加权-对称超松弛迭代法

结合逐次超松弛迭代法（SOR）和对称超松弛迭代法（SSOR）的基本思想,给出了一类求解大型线性方程组的新迭代法：加权．对称超松弛迭代算法（WSSOR）,并在数值计算中给出了加权因子和松弛参数的最佳范围,实验表明新算法的收敛速度快、精确度高。     

解半线性椭圆型差分方程的逐次松弛程序的收敛性

1.众所周知,逐次松弛法是解线性椭圆型差分方程的有效方法之一.但是如何应用这种方法去解非线性椭圆型差分方程却没有人研究过.不久以前,本文第一个作者在中提出了用逐次松弛程序去解半线性差分方程的想法,并且提出一种迭代程序,也指出应按线性部分去选择迭代参数(松弛因子).利用此程序也作了试算,计算结果     

一种不可压缩二维流动的显式逐次超松弛并行算法

提出一种有限体积显式逐次超松弛并行(FV-pSOR)算法,以提高逐次超松弛(SOR)算法求解不可压缩二维流动控制方程组离散所形成的代数方程组的效率.基于区域分解的思想,将计算域分割成4个子域,构造了离散的一般性代数方程组的显式迭代公式并规划了迭代路径;然后,通过数值求解典型二维方腔流,验证了FV-pSOR算法的有效性.结果表明:与SOR算法相比,所提FV-pSOR算法在计算精度相当的前提下的计算效率提高了数倍.     

PN结泊松方程的一种改进算法及其Matlab验证

针对在PN结泊松方程求解过程中几种常用方法存在的不足,提出一种改进算法.该算法结合求解非线性方程组的Newton迭代法与SOR(逐次超松弛迭代)法,即用松弛因子对Newton迭代过程的前、后2项进行加权平均,组成新的迭代公式.为进一步完善算法,在迭代公式中修改松弛因子,采用最佳松弛因子形式.根据改进算法的计算思路,运用Matlab7.0编程,对算法进行仿真与模拟.结果表明:算法真实可行,既保持计算的高精度,也明显地减少计算的迭代次数,提高求解过程的收敛速度,且仿真图像与文献图像较吻合.     

超松弛迭代法中松弛因子ω的选取方法

本文对线性方程组数值解法中的超松弛迭代法进行了算法分析,对于超松弛迭代法中松弛因子ω的选取提出了不同的几种方法,并对其中的逐步实验算法进行了分析与程序设计,使得超松弛迭代算法能在计算机上高效执行.     

投影松弛迭代的收敛性与收敛速度

本文讨论求解一般线性互补问题的投影松弛迭代法的收敛性,对于两类迭代算法—投影雅可比松弛和投影逐次超松弛,我们给出了一些收敛判定准则.此外,我们还得到了两类算法的收敛速度估计式.     

基于差分进化算法确定SOR超松弛因子

SOR迭代方法中的最佳超松弛因子的确定,一直是数值代数中的一个理论难题.本研究利用差分进化算法构造出近似确定SOR超松弛因子的自适应进化算法.数值算例表明,算法是实用和有效的.     

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.     

基于改进的支持向量机的手写体汉字识别

逐次超松弛迭代法算法是一种具体的SVM算法,在SOR算法中松弛因子采取固定数值时,在许多情况下收敛速度较慢。文中提出通过引入具有＂先验知识＂的神经网络,对逐次超松弛迭代法中的松弛因子进行控制,以提高逐次超松弛迭代法的收敛速度。实验结果表明,该模型实现的逐次超松弛迭代法能够提高其收敛速度。在手写体汉字的识别实验中,该改进算法可以减少支持向量机的训练时间。     

二维方腔环流计算的变步长超松弛法

用变步长ADI方法求解方形空腔环流会遇到迭代一次时间过长的问题.用等步长超松弛法在网格较密时,除了遇到迭代一次时间过长之外,还会遇到收敛到稳定解所需的迭代次数大大增加的问题.本文设计了一种变步长超松弛格式,使上述矛盾得以解决.此外,还探讨了将本亚明变换和FTCS格式结合起来,应用于方腔环流的计算.     

求解泊松方程的多子域超松弛并行迭代算法

基于区域分解思想,对二维泊松方程提出了一种多子域超松弛并行迭代算法.首先将求解区域划分为多个子区域,利用超松弛迭代格式构造出若干分组显式格式,然后结合边界条件在迭代次数为奇数和偶数时,分别给出新算法的实现过程.最后通过具体的数值算例验证了此算法的有效性和优越性.     

稀疏线性方程组求解的逐次超松弛迭代法

针对稀疏线性方程组求解问题，在论述迭代法离散化处理基础上，以二维热传导方程为例，导出了热传导方程离散化后线性方程组，用超松弛（SOR）迭代法对产生的稀疏线性方程组进行迭代法求解，并分析了收敛性和收敛速度，将超松弛迭代算法在计算机上实现，得出了一组与精确解较接近的数值解，验证了逐次超松弛（SOR）迭代法的精确性。     

加速松弛迭代法的最优加速因子

本文就一类特殊矩阵所对应的线性方程组,采用加速松弛法迭代求解时,用先求出最优的松弛因子,再得到加速因子的最优,给出了G.Avdelas＆A.Hadjidimos所得最优因子的一个简单明了的几何证明。     

非线性互补问题的改进超松弛迭代算法

运用松弛迭代算法与矩阵分裂理论,提出了求解非线性互补问题的改进超松弛迭代算法.这类算法设计了两个参数:第一个参数控制了迭代阵的谱半径,从而使算法收敛,适当选取第二个参数,加快了算法的收敛速度.在一定条件下证明了算法的全局收敛性.     

基于Newmark格式的车辆-轨道耦合迭代过程的改进算法

针对车辆-轨道耦合系统振动方程联立求解过程,考虑车辆和轨道2个子系统模型,提出一种将有限元法和非线性接触理论相结合的交叉迭代数值改进算法。该算法将子系统方程非荷载项矩阵进行修正和求逆的预处理,基于Newmark-β积分格式规则,构造具有较高收敛速度及精度的松弛因子函数和收敛准则函数,利用轮轨相互作用力在车辆系统与轨道系统之间的快速交叉迭代,改进并实现轮轨耦合关系的求解。研究结果表明:提出的算法正确、有效,极大地提高了动力学方程数值计算效率;时间步长对系统数值解的稳定性影响显著,松弛因子的合理选择,可起到加速系统迭代和增强迭代稳定性的作用;该算法在解决大型工程振动问题时更具高效求解的优越性。     

超松弛因子最佳值的确定方法

在数值解法中,普遍采用有限差分和有限单元法,两种程序所得结果都是一个待解的线性或非线性矩阵方程。超松弛迭代解法不仅算法语言简明,而且具有加速迭代收敛的功能。本文通过两维稳态导热有限单元法的实例分析,给出了确定超松弛因子最佳值的一种简单方法。     

基于不同分裂形式的逐次超松弛迭代法收敛性

在预条件后用逐次超松弛迭代方法解大型线性方程组Ax=b时,对迭代矩阵的分裂给出三种含参数分裂形式,分析证明不同分裂形式能够使超松弛迭代法收敛,并与一般的预条件方法进行比较分析,证明这些分裂形式加速效果更好.     

点模式的概率松弛匹配法

文章提出了一种将谱图理论、特征点的局部特征和概率松弛法相结合的特征点匹配算法。该算法通过谱方法,求出特征点匹配的初始概率;利用特征点的结构特征和灰度特征,求得初始支持度;将初始概率、初始支持度与概率松弛迭代法相结合,获得匹配结果。实验结果表明,该方法能够达到较高的匹配效果。     

基于超松弛迭代的MHSS加速方法

修正的Hermite/反Hermite分裂(MHSS)迭代方法是一类求解大型稀疏复对称线性代数方程组的无条件收敛的迭代算法。基于超松弛(SOR)迭代技术,本文提出一类MHSS加速方法,分析了MHSS加速方法的收敛性质,给出了MHSS加速方法中参数ω的选取办法。数值实验证明了新方法能够有效地提高MHSS求解线性代数方程组的求解效率。     

非埃尔米特正定线性系统的预条件NSS方法

基于大型稀疏非埃尔米特正定线性系统的正规/反对称分裂(NSS)方法,提出了预条件正规/反对称分裂(PNSS)迭代方法,并讨论了这些方法的变形,例如,不精确的预条件正规/反对称分裂(IPNSS)方法。理论分析表明,在一定条件下,新的迭代格式是收敛的。给出了迭代格式中参数和迭代矩阵谱半径的最小上界的计算方法。在数值实验中,选取增量未知元(IUs)和对称逐次超松弛(SSOR)两种预处理矩阵。数值结果证明了收敛定理的正确性和方法的有效性。