利用改进的遗传算法求解非线性方程组

提出一种改进的求解非线性方程组的浮点遗传算法,算法通过把非线性方程组的求解问题转化为约束优化问题,然后将局部搜索信息引入遗传算法,通过改进的变异算子不断调整搜索区域,最终搜索到含有最优解的区域,再利用局部搜索信息提高解的精度.数值实验结果表明,改进后的浮点遗传算法具有较好的全局优化能力和局部搜索能力,且提高了求解的速度和解的精度.     

基于求解非线性方程组的并行遗传算法的设计

作者将非线性方程组的数值求解问题转化为线性约束最优化问题,然后利用遗传算法求解该最优化问题。为防止遗传算法过早收敛,作者将遗传算法改进为自适应并行遗传算法.数值模拟实验表明,该文的算法从另一个角度为求解非线性方程组提供了一条比较有效的途径.     

基于MATLAB遗传算法工具箱的非线性电路求解

结合非线性电路,将非线性方程组的求解转化为用遗传算法求解目标函数的最小值问题,借助MATLAB的遗传算法与直接搜索工具箱(GADS)采用标准遗传算法较详细地介绍了其求解过程。结果表明,用该方法求解非线性方程组不仅方便快捷,而且近似解精度较高,突出了遗传算法在非线性电路数值计算中的优越性。该方法可以推广应用于其他非线性问题的求解。     

基于遗传算法Beta分布参数的极大似然估计

在求解Beta分布中三参数的极大似然估计（MLEs）时,因对应的似然方程组得不到显性解,故采用遗传算法来求解该方程组的数值解.结果表明,通过遗传方法得到的MLEs数值解是非常接近真实值的.     

遗传算法在求解超定方程组中的应用

只有在极特殊的情况下超定方程组才有精确解,一般情况下都是求超定方程组在某种意义下的近似解.使用两种非数值算法———遗传算法和模拟退火算法求得超定方程组的最小二乘解,对它们的原理、参数设置进行了比较分析,数值实验的结果显示这两种方法是非常有效的.     

带有梯度信息的遗传算法在求解非线性方程组中的应用

提出一种改进的求解非线性方程组的遗传算法.将梯度信息引入遗传算法,通过改变高斯变异参数不断调整搜索范围,逐渐搜索到包含最优解的区域,利用梯度信息提高解的精度.数值模拟结果表明,改进后的算法具有较强的局部搜索能力和全局优化能力,能够提高求解的精度与速度.     

解非线性方程组的拟牛顿混合遗传算法

利用熵函数将非线性方程组转化为一个极小值优化问题。结合拟牛顿法和遗传算法的优缺点,提出了一种求解非线性方程组的拟牛顿混合遗传优化算法。该方法不仅有效发挥了遗传算法在进化初期的群搜索能力,而且利用了拟牛顿法的局部精搜索性能,克服了遗传算法在后期易陷入局部收敛的缺陷,提高了算法整体寻优效率。计算机仿真表明,该算法对非线性方程组的求解具有较好的稳定性和较高的收敛精度。     

含强非线性项的Davey-Stewartson方程组的显式精确解

对含强非线性项的Davey-Stewartson方程组进行了研究,首先将含强非线性项的Davey-Stewartson方程组约化成Lienard方程.通过求解Lienard方程,得到方程的精确解,包括钟型孤立子解、冲击波型孤立子解、周期波解和类孤立子解.     

一种求解非线性方程组的算法

为满足理论研究与工程实践对非线性方程组求解的需求，综合遗传算法和牛顿迭代法各自的优势，提出了能够充分发挥遗传算法大范围搜索全局解、牛顿迭代算法在局部细致搜索的新算法。实例证明，该算法搜索效率高，求解速度快，并能获得全局近似最优解。     

用遗传算法解大规模病态线性方程组

大规模病态线性方程组的求解是相当困难的。本文尝试使用遗传算法求解大规模病态线性方程组,采用了改善方程组病态程度的预处理及多种杂交手段相结合改善遗传算法搜索性能两项措施,结果表明遗传算法求解大规模病态方程组是可行有效的。     

求非线性动态网络稳态周期解的一种数值算法

提出一种数据值解法，用于求解非线性动态网络的稳态周期解，按照非线性动态网络的状态方程建立误差函数，把求解非线性微分方程的问题，转化为求误差函数极小值的最优化问题。该法方便应用计算机求解非线性动态网络的稳态周期解，有助于对非线性动态网络的分析和研究。     

遗传算法应用于方程求根的一点改进

在牛顿法与遗传算法的基础上,将方程求根问题转化为函数的优化问题,提出了一种新的求解非线性方程的遗传－牛顿法.算法一方面克服了遗传算法局部搜索能力差的缺陷,另一方面解决了单独使用牛顿法时难以找到合适的初始值的问题.数值实验结果表明,遗传－牛顿法能以较高的效率和精度得到方程的数值解.     

超平面拟合最小二乘问题

导出了超平面拟合最小二乘问题的正规方程组,说明该正规方程组有解,且其解使拟合函数取最小值,最后给出了求正规方程组的解的算法合数值例子.     

嵌入共轭梯度算子的遗传算法

分析病态线性方程组的机理,将原线性方程组的求解问题转化为一个等价变分问题的极少值点寻优问题。在遗传算法产生的子代群体的个体以固定的概率采用共轭梯度法产生新子群,即采用共轭梯度法在局部进行搜索。将共轭梯度法局部搜索能力与遗传算法全局搜索能力有机结合,从而实现了混合算法的优化。算例结果表明,该算法对于病态方程组的求解效果明显优于一般的遗传算法和共轭梯度法。     

超平面拟合最小二乘问题

首先导出了超平面拟合最小二乘问题的正规方程组，然后说明了该正规方程组有解，且其解使拟合函数取最小值，最后给出了求正规方程组的解的算法合数值例子。     

一类随机Riccati矩阵代数方程的线性迭代解法

针对无穷区间随机线性二次最优控制问题对应的随机代数Riccati方程提出了线性迭代解法.算法中得到Liapunov线性代数方程解的序列,该序列收敛于随机Riccati代数方程的解.已有的理论算法针对该SARE得到的是非线性的常规Riccati代数方程解的序列,而通常每一次运用经典的Kleinman迭代方法求解常规Riccati代数方程,都是反复迭代求解Lia-punov线性代数方程的过程.这就使得本文算法相较于已有理论算法在针对特定类型SARE时,具有较好的性能.     

基于遗传算法的柔型多功能机运动学逆解

在分析运动学逆解方法的基础上,应用遗传算法求解柔型多功能机器人运动学逆解,给出了用于优化求解的适合度函数,并应用二次编码法提高解的精度。计算机模拟结果证明：该方法能快速收敛于全局最优解,能给出柔型多功能机器人的可能解,并能计算冗余度机器人的逆解。     

基于基本遗传算法的PID参数整定

多目标优化问题一直是控制领域的重要研究问题。本文主要利用基本遗传算法来解决其中的参数优化问题。采用误差绝对值时间积分性能指标作为参数选择的最小目标函数,采用轮盘转的方法提高遗传算法的全局优化能力。最后,通过MATLAB仿真结果表明,根据遗传算法寻优设计的PID控制器比人为的通过调试或经验取得的数据更有说服力,控制效果更好。     

两类含多个未知函数的函数方程的可微解

讨论了两类含多个未知函数的函数方程可微解的存在性条件,并将其求解问题归结为常微分方程的求解问题。