一类可行的非单调的信赖域算法

讨论了求解无约束最优化问题的信赖域算法，给出了一种改进的非单调信赖域算法，该算法通过改变预计下降量，使其与实际下降量对应起来，且这种改变保持算法的收敛性．     

线性约束多目标规划的非单调信赖域算法

构造了一个解线性约束多目标优化问题的数值算法，该算法把一种非单调技巧与信赖域方法结合起来，从理论上分析，在一般条件下，算法全局收敛于问题的K—T点。     

非单调线搜索解线性约束优化的信赖域内点算法

提供了求解线性约束的非线性优化问题的非单调信赖域内点算法，在合理的条件下，证明了算法的整体收敛性，并且在最优解局部范围内获得单位步长的可接受性，从而保证了局部超线性收敛速率。     

无约束最优化的共轭梯度路非单调信赖域算法

提供了无约束最优化问题的共轭梯度路径非单调信赖域算法。进而获得了共轭梯度路的一些重要性质。基于这些性质和一些合理的假设，证明了算法具有整体收敛性和保持局部超线性收敛速率。     

等式约束优化的投影拟牛顿法的非单调依赖域算法

提供了分解投影拟牛顿法结合非单调信赖域算法求解非线性等式约束优化问题。在合理的条件下，证明了算法的整体收敛性，通过引进二阶矫正步克服了MARATOS效应，使算法保持了局部超线性收敛速度     

极大单调算子不精确邻近点算法的一种新的近似准则

对于寻找极大单调算子的零点，邻近点算法(PPA)是一种重要方法．邻近点算法通过解一系列强单调的子问题产生一个序列．然而精确地解子问题太昂贵有时也不可能，在许多献里讨论了不精确邻近点算法(IPPA)．本提出了一种近似解子问题的一种新的准则，这种准则的条件比已有的准则的条件要弱，证明了这种算法在新的准则下的全局收敛性．     

解无约束优化问题的非单调修改的BFGS算法

考虑求解一般的无约束优化问题,从有效节省计算量和提高解的精度的角度考虑,将传统的BFGS算法加以改进,并与当前流行的非单调技术相结合,给出了求解无约束问题的带线搜索的非单调BFGS算法,文中给出了新算法的全局收敛性的证明,并进行了数值实验,数值实验结果表明新算法是有效的。     

复合非光滑优化的一种非单调线搜索方法

给出了一个处理复合非光滑极小化问题minh(f(x))的非单调线搜索算法．目标函数中，f：R^n→R^n是局部Lipschitz函数，h：R^n→R是连续可微的凸函数．推广了Pang在文献[5]中的算法，并证明了所给算法的全局收敛性．     

带有固定步长的非单调信赖域方法

该文提出一种新的非单调信赖域方法．当试探步不能被接受时，算法沿着试探步的方向求得下一个迭代点，其中步长利用固定公式计算．这种方法既避免了重复求解信赖域子问题，又减少了线搜索方法计算函数值的次数．该文采用的非单调策略是基于张洪超和Hanger（2004）出的非单调线搜索技术．在适当的条件下，证明了算法的全局收敛性及超线性收敛性．最后给出了初步的数值实验结果．     

解无约束最优化问题的一个非单调BFGS信赖域算法

在文[19]的基础上，给出了一个解无约束最优化问题的非单调BFGS校正的信赖域算法，此算法具有较好的性质，所给的BFGS校正的具有二次约束的信赖域子问题总保证是严格凸二次规划，在适当的条件下此算法具有全局收敛性和Q-二次收敛性。     

波动方程的重叠型区域分解并行有限差分算法

提出了一类新的计算波动方程数值解的并行差分算法. 算法基于区域分解和子区域校正，在每个子域上进行残量修正，各子域之间可以并行计算. 证明了算法的收敛性，并且理论分析表明，在每一时间步，只需校正一或两次，即可达到最优的收敛阶. 数值试验表明了算法的有效性和优越性.     

热传导方程二阶并行区域分解差分算法

提出了一类新的计算热传导方程数值解的并行差分算法. 算法基于区域分解和子区域校正，在每个子区域上进行残量修正，各子域之间可以并行计算. 证明了算法的收敛性，并且理论分析表明，在每一时间步，只需校正一次或两次，即可达到最优的收敛阶. 数值试验表明了算法的有效性和优越性.     

最小均方算法用于数字信号的性能

为了获取最小均方 (LMS)算法用于数字信号的性能 ,提出了一项新的性能参数——误码率。分析了误码率与算法均方误差之间的关系 ,在实验的基础上给出了两者之间的一个近似函数表达式。并重点研究了算法步长对收敛速度、稳态失调量、误码率这三项性能参数的影响 ,以及步长确定的原则 ,为数字信号领域使用 LMS算法提供了一些理论基础。     

LDPC 码改进型LBP 译码算法研究

针对LDPC(Low Density Parity Check) 码分层( LBP: Layered Belief Propagation) 译码算法计算复杂度高、不易于硬件实现的问题, 提出一种改进算法。该算法首先引入函数f(x)使LBP译码算法的计算复杂度大大降低; 同时引入具体参数校正因子和偏移因子, 提升译码性能。仿真结果表明, 改进后的算法相比LBP 算法在计
算复杂度降低的同时, 也提升了译码性能, 从而达到了易于硬件实现的目的。     

前馈神经网络中BP算法的一种改进

在传统的BP算法基础上,提出了一种改进的BP学习算法,先加入描述网络复杂性的量,使算法能够考虑到网络的连接复杂性,进而有可能删除掉冗余的连接甚至节点;接着提出对网络的学习步长的动态调整,以此来尽量避免传统学习中的学习速度过慢和反复震荡;然后给出新的算法是高阶非线性收敛的证明;最后通过实验说明的新的BP算法在一定程度上可减少网络的复杂性,有着比传统算法更快的收敛速度。     

一种新型BP网络算法及其在故障诊断专家系统中的应用

根据ＢＰ算法的基本理论,针对ＢＰ算法收敛速度慢,提出了一种加快ＢＰ算法收敛速度的变步长ＢＰ算法,并将其应用到变频调速故障诊断专家系统中,加快了专家系统的推理速度,有效地诊断了变频调速系统在运行中发生的故障．     

SAR距离-多普勒成像算法中的距离徙动及校正

在SAR距离-多普勒成像算法中，距离徙动会使距离向和方位向发生耦合，成像质量下降.典型的距离徙动校正插值算法有：最近邻插值、牛顿插值、辛格插值等.但以上算法的光滑性和收敛性不好，而三次样条函数具有连续的二阶导数，且可采用分段函数的形式，具有很好的光滑性和收敛性.作者用三次样条函数插值进行距离徙动校正，进行了点目标SAR仿真成像，得到了满意的仿真结果.     

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.     

改进的BP神经网络在故障诊断中的应用

针对传统BP算法存在的收敛速度缓慢和易陷入局部极小值的固有缺陷,提出用具有全局搜索能力的模拟退火算法优化BP神经网络,避免陷入局部极小值,提高网络的稳定性;引入Powell算法优化模拟退火算法,加快网络的收敛速度.最后,以齿轮箱故障诊断为例进行仿真试验,结果表明改进后的BP神经网络比传统BP神经网络的训练收敛速度快、精...     

一种序列线性方程组滤子算法的收敛性分析

笔者曾提出一种不可行序列线性方程组滤子方法.它将不可行无需二次规划(QP-free)方法与滤子技巧结合,可以避免罚参数的选取.只需求解两个具有相同系数矩阵的线性方程组以得到搜索方向.在一定程度上克服了序列二次规划方法的缺点.在以上算法的基础上,增加了一个同系数矩阵的线性方程组以计算二阶校正步,使得算法避免了Maratos效应.在一定的条件下,证明了该算法的局部超线性收敛性.