基于学习与竞争的改进PSO算法研究

针对普通PSO算法收敛速率慢,难以收敛到全局最优解的问题,提出了一种基于学习与竞争的改进PSO算法.该算法通过将种群内部学习和竞争的思想与PSO算法相结合,让种群中个体通过竞争和学习策略来替代原有的PSO算法迭代公式.该方法在不增加PSO算法计算复杂度的基础上,能够克服基本PSO算法的不足.最后基于动态系统的稳定性分析理论,给出了该PSO算法收敛性的证明.在7种不同的测试函数上对改进后的算法进行了实验测试.实验结果表明该改进算法比传统的PSO算法有着更好的搜索精度.结果证明,新算法比普通的PSO算法具有更高的搜索精度和较低的时间复杂度.改进算法求解函数优化问题更加有效,收敛速率更快.     

关于半收敛问题的探讨

针对实际CT系统中的不完全数据图像重建算法半收敛问题,分析了迭代外插算法收敛性与引入的参数因子、已知的检测数据的关系,并给出了改进的迭代外插算法.数值实验结果表明迭代外插算法迭代过程有时是发散的,存在半收敛问题,而改进的迭代外插算法是收敛的.     

基于平移预条件技术的改进超松弛迭代图像复原

图像复原问题常常可转化为大型线性系统的求解问题.为解决超松弛迭代算法在求解大型稀疏线性系统时的收敛不稳定问题,提出了一种改进的超松弛迭代算法.通过平移预条件技术将超松弛迭代的迭代矩阵进行改进以避免奇异,研究了改进算法的收敛性和松弛参数的取值范围.在两个实际图像复原问题上的数值实验结果表明,改进算法是稳定和有效的.     

一种提高 CMAC神经网络收敛性的改进算法

为了克服CMAC(Cerebellar Model Articulation Controller)算法收敛不稳定问题,该文提出了一种提高CMAC神经网络收敛性的改进算法.首先将收敛条件扩展到一般情况,得出了当量化区间内训练样本均匀分布且学习速率不恒为1时,得到CMAC收敛的频域条件,分析并证明了学习速率对收敛范围的影响,并以此为基础提出改进算法.改进前后的算法进行对比仿真,结果表明改进算法能大大提高CMAC收敛过程的稳定性.改进算法用于克服CMAC的收敛不稳定性问题是可行的、有效的.     

带扰动的Krasnosel’skii-Mann迭代算法

引入了一种带扰动的Krasnoesl'skii-Mann迭代算法,在一致凸Banach空间中针对非扩张映像证明了这种算法的弱收敛性,改进并推广了Reich的一个弱收敛定理.最后将所得结果应用到求解分裂可行性问题.     

带一般约束无导数优化问题的改进信赖域算法

通过建立约束违和函数, 利用进步栏阈法(PB策略)筛选出插值点集中性质较好的迭代点, 同时修正子问题的初始增广Lagrange乘子, 提出一种改进的无导数信赖域(TRDF)算法, 并证明了改进算法的收敛性. 针对不同维数测试问题的数值试验结果表明, 改进算法有效降低了求解二次插值模型的迭代次数和迭代时间.     

无约束优化的一个全局收敛算法及其收敛速度

对最速下降法与拟牛顿法的结合算法进行了改进,证明了改进算法的全局收敛性,而且给出了局部超线性收敛性.初步的数值计算结果也表明了改进的算法比原算法有更好的收敛效果.     

基于最远块投影的自适应分块迭代CQ算法

针对分块迭代CQ算法,因子集的无序性和步长的不稳定性而导致的收敛速度较慢的问题,提出了一种基于最远块投影的自适应分块迭代CQ算法.该方法通过逐次对子集最远块进行投影,可以获取较快的收敛速度;利用类-Armijo搜索的方法可以获取合适的步长参数.在证明了算法收敛性的同时,结合短扫描CT投影重建问题对2种算法的实验结果进行了对比分析.结果表明所提出算法能够取得较快的收敛速度和较高的重建精度.     

解等式约束规划的信赖域SQP滤子方法

讨论了一种信赖域SQP滤子方法的局部收敛性.滤子方法会遇到Maratos效应,尽管完全牛顿步可能是一个超线性收敛步,但是当迭代点充分靠近原问题的严格局部解时,完全牛顿步可能会使目标函数值和约束违反度上升,从而不被算法接受,于是破坏了算法的收敛性.给出一种修改后的信赖域SQP滤子算法,当完全步不被接受时,对算法进行二阶校正(SOC),可以减小其不可行性.修改后的算法可以避免Maratos效应,使算法达到局部超线性收敛.     

Banach空间混合均衡问题的一种迭代算法的强收敛定理

作者在Banach空间中针对混合均衡问题引入了一种新的迭代算法,不仅在更弱的条件下证明了解的存在性,而且得到了一个强收敛定理.与此同时,作者提出的迭代算法也解决了一些广义混合似变分不等式的解的问题,并在较弱的条件下证明了强收敛性定理.本文的结论是对其他相关文献的推广和改进.     

解非埃尔米特线性方程组的外推迭代法的收敛性

为探讨非埃尔米特线性方程组的迭代算法,考虑非埃尔米特线性方程组的外推迭代法,讨论其收敛性,得到了两类外推算法的收敛性结果,该结果表明,在一定的参数范围内,外推算法是收敛的.并通过数值算例验证了理论结果的正确性.     

一步光滑牛顿法解P_0非线性互补问题

通过引入光滑参数提出一个新的光滑化NCP函数来逼近方程组中的目标函数,提出了求解P0非线性互补问题的一步光滑牛顿法,并得到该算法是全局收敛的结果.在适当的假设下,证明了该算法的局部超线性和二次收敛性.数值实验表明该算法是有效的.     

改进加权残值法收敛性的一种方法──逐次逼近法

本文对加权残值法的实际应用情况进行了探讨，针对其收敛性问题提出了一种改进方法──逐次逼近法．首先利用近似解的误差分布建立误差函数，然后用最小二乘法求整体误差的极小值，问题归结为求解一个线性方程组．薄板弯曲问题算例结果表明，本方法具有计算简单、收敛速度快，能进一步逼近精确解等优点     

快速投影Hessian矩阵算法

分析了求解等式约束非线性规划问题的投影Hessian矩阵算法,找出了算法两步Q-超线性收敛的原因,并用BYRD的例子说明此算法的收敛效果较差,即甚至不是线性收敛;对算法进行了合理的改进,并用改进后的算法求解BYRD问题,得到了满意的收敛效果,即Q-超线性收敛．借助数值试验验证了改进算法的快速收敛性．     

一种求解非线性互补问题的外梯度-Filter方法

结合 Josephy-Newton方法,建立了一种不含价值函数的求解非线性互补问题的全局策略.该策略基于外梯度步和Filter技术,提出一个外梯度-Filter算法.此算法中的外梯度步可以减少与最优解之间的距离,从而使该算法具有全局收敛性.在适当的条件下,该算法还具有超线性收敛性.     

整体收敛的非线性等式约束优化问题的不精确修正正割方法(

通过使用线搜索技术,提出了一类具有整体收敛性的不精确修正正割算法解非线性约束优化问题.引入Fletch-er罚函数作为价值函数克服了产生Maratos效应.在合理条件下证明了该类算法具有二步q阶超线性收敛速率.进而,对于约束进行很小的额外计算改进了此类算法,以使新算法具有一步q阶超线性收敛速率.数值实验的结果证明了该算法的有效性和可行性.     

极小化一元凸函数的一个数值方法

本文给出了一个极小化一元非光滑凸函数的可执行的数值方法，此算法的要点是仅用在已有的五个点上的函数值去确定两个更好的接近最优解的点．我们证明了这个算法是全局收敛的和ｒ－超线性收敛的，数值结果也表明此算法有好的收敛性．     

新Armijo线搜索下的FR共轭梯度法及其收敛性

描述了一种在新Armijo线搜索下的Fletcher-Revees(FR)共轭梯度法,并分析了其收敛性,从理论上证明了借助新的Armijo线搜索,FR共轭梯度法不仅可保证在每步迭代中都容易找出步长,而且可保证全局收敛性.     

基于多重网格法的相位解缠算法

指出了最小二乘相位解缠算法是求解二维相位解缠问题最稳健的方法之一,并可等效为求解一大型的稀疏线性方程系统.求解大型线性方程组通常采用迭代法,然而其收敛速度非常慢.为了改善收敛特性,提出了一种新的相位解缠算法——多重网格法,该方法通过在疏密不同的网格层上进行迭代,以平滑不同频率的误差分量,从而加快系统的收敛速度.仿真实验表明:该方法能够很好地恢复真实相位,具有解缠精度高,收敛速度快等优点.