LP鞍点共轭梯度法的研究与实现

在线性规划问题中,为了提高算法的求解速度,快速得到最优解。对鞍点算法,共轭梯度法进行了深入研究与分析。针对鞍点算法在逼近鞍点时收敛速度变慢的缺陷,将计算比较简单且有限步迭代即可收敛的共轭梯度法成功的应用于鞍点算法中形成了一种新的算法—鞍点共轭梯度算法。以c 为开发工具,在计算机上实现了该算法,并编成一个解题系统能够快速求解线性规划问题。实验结果表明相对于鞍点算法,用鞍点共轭梯度算法计算,解题时间效率明显提高。     

基于神经网络控制的共轭梯度法

共轭梯度法中搜索步长是通过某种搜索策略得到,许多情况下的收敛速度较慢.为了加快其收敛速度,提出了通过引入具有“先验知识“的神经网络对共轭梯度算法中的搜索步长进行控制.实验结果表明,该模型实现的共轭梯度法对于加快收敛速度有效.     

无约束优化问题新的谱共轭梯度法(英文)

通过结合牛顿法与PRP谱共轭梯度法提出一新的谱共轭梯度法.该方法为下降方法且为Birgin谱共轭梯度法与PRP共轭梯度法的线性组合.在适当的假设下算法全局收敛.     

基于预处理共轭梯度的大地电磁快速正演

针对大地电磁法有限元模拟中计算量大的特点,采用按行压缩存储方式的不完全LDLT预处理共轭梯度法快速求解大型复系数方程组。引入不完全LDLT预处理,提出快速求解(LDLT)-1r的方法,以加快预处理共轭梯度法的收敛速度。研究结果表明:当网格节点自由度超过1万时,压缩率达到99.9%,求解方程组时间在1 s以内,为进一步快速反演奠定了基础。     

一种新搜索技术下的CD共轭梯度法收敛性研究

介绍了一种新搜索技术的背景,证明了CD共轭梯度法在这种搜索技术下全局收敛,进而在理论上推广了CD共轭梯度法.     

距离观测方程非线性平差的正则化共轭梯度法

基于稳定泛函约束思想,推导了距离观测方程非线性平差的正则化共轭梯度法.该算法将稳定泛函约束作用于共轭梯度法,解决了共轭梯度法求解病态测距定位方程的不稳定甚至不收敛的问题,提高了正则化数值算法的收敛效率,最后采用模拟数据和水下定位实测数据进行了验证.实验结果表明,该算法具有较好的收敛稳定性,收敛效率优于迭代正则化算法.     

3种推广的DY共轭梯度法及其全局收敛性

在标准DY共轭梯度方法的基础上提出以βkDY为界的3种杂交共轭梯度算法,在适当的条件下证明了这些方法是全局收敛的,并用数值实验检验其有效性.初步的数值实验表明,3种共轭梯度法比标准DY共轭梯度法更合适求解测试函数.     

最速下降法和共轭梯度的混合算法及全局收敛

将最速下降法与共轭梯度法有机结合起来,构造出一种混合优化算法,并证明其全局收敛性.这种混合优化算法结合了共轭梯度法和最速下降法产生搜索方向,既提高了共轭梯度算法的收敛速度,又解决了目标函数的等值线是扁长椭球时,最速下降法下降缓慢的问题,具有收敛速度快、收敛范围大、适应面广等特点.文中的算法实例表明,混合算法与单纯的共轭梯度法相比,效果更优.     

基于共轭梯度法和最速下降法的非线性测量数据处理

将共轭梯度法与最速下降法有机结合起来，构造出一种解决非线性测量数据处理问题的新方法——混合算法。这种方法充分利用了共轭梯度法和最速下降法良好的收敛优点，既提高了共轭梯度算法的收敛速度，又解决了目标函数“性态不优”时，最速下降法难以解决的问题。文中的算例结果表明，混合算法与单纯的共轭梯度法或最速下降法相比，具有收敛速度快、收敛范围大、适应面宽等特点。     

有界约束非线性方程组的不精确牛顿类仿射共轭梯度路径方法

提供了不精确牛顿类的仿射内点离散共轭梯度法求解有界变量约束的非线性方程系统.通过构建仿射离散共轭梯度路径结合不精确牛顿步获得了搜索方向,并使用内点回代线搜索技术获得迭代步长.在合理的条件下,证明了算法的整体收敛性和局部超线性收敛速率.最后,数值结果表明了所提供的算法的有效性和可行性.     

基于PVM的m-Step Jacobi PCG方法网上并行求解有限元方程

针对基于PVM的桌面PC机联网而成的网络并行计算环境中,处理机的运算速度较快而处理机间的通信相对较慢,以及微机的内存有限的实际情况,从实用的角度出发,给出了基于PVM的网上求解有限元方程组的并行m-Step Jacob i PCG方法,该算法的矩阵和向量采用行元素相邻单元贡献法实现有限元总体刚度矩阵和荷载向量的并行计算与组装,分块储存在各处理机上,其处理机间通信较少。并在1-4台桌面PC机连接成的局域网,PVM3.4 on W indow2000,VC 6.0并行计算平台上编程对该算法进行了数值试验,得到了较理想的结果。     

PCG法的理论解释及在结构分析中的应用

以雅可比共轭梯度法为例,根据盖尔定理,从理论上证明了预处理共轭梯度法在一定条件下会加速,并给出了加速条件.通过预处理技术导出大型稀疏矩阵广义特征值问题求解的一种新加速方法,可提高计算的效率和稳定性.算例结果表明,对于求解大型稀疏线性方程组问题,预处理共轭梯度法及本文特征值新加速方法较传统方法更有优势.     

有限维Jacobi算子特征值的连续依赖性

探讨有限维雅克比算子特征值的连续依赖性,从另一个角度了解雅克比算子各种数量的相互关系,并得出结论：有限维雅克比算子的特征值连续依赖于该雅克比算子的系数,同时给出了严格的证明.     

一种改进的Jacobi正交多项式的BP神经网络算法

 根据多项式理论,构造一种以Jacobi正交多项式作为隐层神经元激励函数的BP(back-propagation)神经网络模型.针对该网络,提出一种改进算法即隐层神经元数可快速确定的权值直接确定算法.首先介绍正交基函数和Jacobi多项式的定义,以及BP神经网络的基本原理.然后进行网络隐层数设计及其隐神经元数的确定,且设置各层连接权值、给出改进算法的步骤.最后,将其与传统矩阵迭代法和Levenberg-Marquardt训练算法进行比较.计算机实验结果表明,该算法具有比传统的BP迭代法更快的计算速度,并且能够达到更高的工作精度.     

代数多级网格预处理器(I)

本文用分片线性元离散椭圆型问题．用预处理共轭梯度法求解有限元方程。逐层分离节点，构造了一类代数多级网格预处理器。预处理后的矩阵的条件数为０（ｍ＋１）２），其中（ｍ＋１）为多级网格的级数。     

大规模p型有限元方程组的修正SSOR-PCG解法

结合p型有限元方程组的系数矩阵具有对称性、正定性、稀疏性和阶谱性等特点，用修正的对称逐步超松驰处理共轭梯度法来求解大规模p型自适应有限元方程组，可以减少每步迭代的主要计算量；利用上一个自适应步的结果初始化迭代序列，可以减少迭代次数，使得总迭代次数和计算时间较原方法大为减少，理论和算例均表明，这是求解大规模p型自适应有限元方程组的一种极为有效的方法。     

预条件共轭梯度法在拱坝有限元重分析中的应用

以初始设计的劲度矩阵为预条件矩阵,给出了大型结构有限元重分析的预条件共轭梯度算法.该算法不需要形成和存储修改结构的劲度矩阵,占用内存小,并具有较高的精度和收敛速度.拱坝体形修改有限元分析算例表明,即使设计变量有较大改变时,该方法也能较快地收敛到精确解.     

基于不完全块循环约化的并行分裂迭代

对Ｍ阵用块循环约化后，给出新的分裂方式，该分裂构造的迭代收敛，其收敛速度比Ｊａｃｏｂｉ等一般迭代收敛快，且有很好的并行性。     

时／频域三维心音图

本文用数学处理技术．把时域和频域结合来表征信息．揭出一种时／频域心音图的新方法．与已有的传统心音图相比．此法提供的信息量具有大而全的特点，通过大量心音实例分析，完全证实了此方法的有效住，已表明它在医学教学和心脏病诊断具有实用价值．进一步的研究将对心脏病的无损伤诊断起更重要的作用．     

SIP和PCG2两种迭代法在地下水数值计算中的应用对比

对两种目前最受地下水工作者喜欢的数值迭代法SIP和PCG2做一对比 ,主要分析了这两种方法的原理及其使用效果的差异 ,并结合简单的实例进行验证 ,得出结论 :SIP法在方法本身和人为操作两方面都具有难以避免的不精确 ,而PCG2法则就这两方面而言却是一种行之有效、精确性极高的数值迭代法 ,而且在地下水数值计算领域具有很高的推广价值。