球对称函数Radon变换的数值反演

研究了球对称函数Ｒａｄｏｎ变换的数值反演问题，首先分析了问题的病态性质，后采用正则化方法，人出了稳定的数值反演算法。     

无约束连续全局优化的一个无参数变换函数算法

针对无约束连续全局优化问题,提出了一个无参数变换函数,在讨论该变换函数性质的基础上,给出了求解无约束连续全局优化问题的一个无参数变换函数算法。利用Matlab编程进行了数值试验,其数值计算结果表明:该算法是可行和有效的,并且该算法能够判定原问题当前极小点的全局性及类别。     

四元数值函数小波变换和正交分解（英文）

文章研究了四元数值函数小波变换的一些性质.小波变换是Hardy空间(或者共轭Hardy空间)到■等距同构算子,通过应用特殊函数的性质得到了■的正交分解.     

基于有理Bernstein函数类的一类有理Bezier曲线

从Bernstein多项式和参数有理变换出发,构造了一类新型的有理调配函数—有理Bernstein函数类,讨论了它的分析性质;运用该函数类给出了一类有理Bezier曲线的生成方法,研究了一类有理Bezier曲线的几何性质和几种实用的有理Bezier曲线并给出了数值例子。     

求解非线性规划全局最优解的单参数T-F函数法

给出了求解一般非线性规划问题全局最优解的含单参数的T-F函数方法,而且讨论了所构造的T-F函数的几个性质,按照其理论性质设计了一个T-F函数算法,并进行了数值试验,数值实验表明,所给的方法是有效的.     

MKdV方程的一个新的Bcklund变换

对于MKdV方程(modfied Korteweg-de Vries equation)导出一个新的Bcklund变换,不同于已知的Bcklund变换,新的Bcklund变换由两个位势(函数)所确定.利用数值计算,还讨论了由该Bcklund变换产生的MKdV方程的精确解的性质.     

初始条件含广义函数的一个扩散方程求解问题

本文给出了当初始条件带有8函数且一个三维扩散方程可以分解为三个一维方程时的求解方法．其中主要用到了8函数的性质,余误差函数和拉普拉斯变换,最后用解析解进行计算,求出了部分数值结果。     

时滞分数阶递归神经网络的输入状态稳定性

针对Caputo分数阶系统难以用带有积分项的非负函数判断系统稳定性的问题,探讨了时滞分数阶递归神经网络的输入状态稳定性。通过设计反馈控制器,利用分数阶导数的定义、Mittag-Leffler函数的性质、李雅普诺夫方法、拉普拉斯变换以及不等式放缩技巧,得到了系统输入状态稳定的充分条件。最后,数值仿真例子验证了所提出方法的有效性。     

基于降维的填充函数方法

提出了一个基于降维技术的填充函数方法,用以求解箱约束非线性全局优化问题。首先利用降维变换将n维问题转化为一维问题,其次对一维问题运用填充函数方法求解,证明了降维填充函数的理论性质,并给出了算法和数值实验结果。     

Hankel变换的数值积分及其应用

结合Hankel变换的性质，应用Eular变换，然后根据Hankel变换式中的被积分的函数的性质的不同，得到了便于应用的Hankel变换数值积分的表达式．文中进行了算例的计算，验证了本文提出的方法的正确性和优越性．     

单调优化的一种新的凸化、凹化方法

单调优化是指目标函数与约束函数均为单调函数的全局最优化问题.本文对严格单调函数提出一种新的凸化、凹化方法,进而将单调优化问题转化为等价的凹极小问题或反凸规划或标准D.C.规划问题.     

一种遗传算法求约束优化问题的新方法

为了更好的解决约束优化问题,介绍了利用遗传算法求解约束优化问题的一般方法,在分析传统方法的基础上提一种遗传算法求解约束优化问题的新方法,将约束优化问题分成两步:首先不考虑目标函数,把约束优化问题转换为一个约束满足问题来处理,获得一个可行解;然后对目标函数和已满足约束的条件进行优化,最终获得一个最优解。还对该方法在不同问题下作了分析,证明了该方法对求解有约束优化问题有良好性能。     

一种新的拉格朗日乘子方法

对于约束非线性优化问题,提出了一种带3-分片非线性互补问题函数的增广Lagrangian函数,将约束优化问题转化成无约束优化问题来求解。新的增广Lagrangian函数的无约束极小点对应于原约束问题的解及乘子,同时提出相应的Lagrangian乘子方法,该方法可执行并具有收敛性。     

双线性过程的鲁棒数据协调

针对基于鲁棒目标函数的双线性数据协调问题,提出了一种新的算法.首先利用两步法将双线性数据协调问题转化为两个线性数据协调问题,然后利用罚函数法把约束优化问题转化为无约束优化问题,最后给出了Huber函数的等价权,以及利用等价权法求解双线性鲁棒数据协调问题的表达式.在迭代求解过程中考虑了变量的上下限约束.仿真结果表明该方法能有效地求解双线性鲁棒数据协调问题,降低显著误差的影响.     

解约束优化问题的新PSO算法

对约束问题的处理通常采用罚函数法,而使用罚函数法的困难在于参数的选取。文中提出了一种解约束优化问题的新PSO算法(CLDPSO)。该方法基于平滑技术设计了一个平滑函数,此函数可以消除一些局部极小点,使算法CLDPSO能有效克服标准PSO算法易陷入局部最优的缺陷;另外,结合约束优化的约束条件给出的新开关选择算子,使算法在选择下一代时保持群体中不可行解的一定比例。这不但有效的增加了群体的多样性,而且避免了传统的过度惩罚,使群体向最优解更好、更快地逼近。数值试验表明该算法对约束优化问题求解是非常有效的。     

求解约束优化问题的微粒群算法

微粒群算法(简称PSO算法)是一种新型的进化计算方法,已在许多领域得到了非常成功的应用。本文以约束优化问题为对象,首先介绍了采用罚函数法将约束优化问题化为无约束优化问题,和将约束优化问题转化为minmax问题,然后对无约束优化问题和minmax问题,采用PSO算法进行进化求解;在此基础上,以目标函数和约束满足分别为优化目标提出了一种双微粒群的PSO算法。仿真实验结果验证了方法的正确性与有效性。     

求解一类不可微优化问题极大熵微粒群混合算法

针对一类不可微优化问题,本文提出了一个新的算法—极大熵微粒群混合算法.首先利用极大熵方法把带约束的不可微优化问题转换成无约束的单目标最优化问题,然后利用微粒群算法对其进行求解.利用4个测试函数对其进行测试并于其它算法进行比较,计算结果表明,本文提出算法在求解的准确性和有效性方面均优于其它算法.     

新的拉格朗日乘子方法

对于约束优化问题,提出一类新的结合Fischer-Burmeister非线性互补(NCP)函数的增广拉格朗日函数,它的无约束极小解对应于原约束问题(NLP)的解及其乘子;同时提出相对应的拉格朗日乘子方法.该方法可实现并具有全局收敛性.     

一种改进的蚁群算法用于灰色约束非线性规划问题求解

针对灰色约束非线性规划问题,设计了一种改进蚁群算法．该算法采用了正反馈机制。在对灰色约束非线性规划问题白化处理后,将罚函数方法引入到目标函数中,同时给出了改进蚁群算法的仿真流程．实例应用表明,将改进后的蚁群算法应用于灰色约束非线性规划问题的求解是可行有效的。     

均衡约束最优化的一个共轭投影梯度算法

讨论均衡约束最优化问题,利用一个互补函数和扰动技术将原问题转换为非线性等式和不等式约束最优化问题,结合罚函数法提出了一个共轭投影梯度算法,在适当的条件下,证明了算法的全局收敛性,且具有超线性收敛性.