GMRES（m）算法在弹性边界元法中的应用

将基于Galerkin原理的GMRES（m）算法应用于边界元法求解大型弹性问题的计算中，使边界积分节点的划分更具任意性，实例计算结果表明，该算法比有限元法求解更精确，高效。     

基于遗传算法的导弹稳定控制回路参数设计方法

本文利用遗传算法（ＧＡ）来优化设计控制系统参数。文中在简要阐述遗传算法的机理及实现的基础上，将遗传算法应用于Ｘ型导弹的弹上稳定回路的参数设计，仿真结果表明了所提方法的可行及有效性。     

分数Hamilton圈与分数树形图

定义有向图的分数有向Hamilton圈和分数支撑树形图，讨论分数Hamilton圈、分数旅行售货员问题和分数支撑树形图基于线性规划的等价定义及多项式时间算法。     

几种现代优化算法的比较研究

现代优化算法主要包括遗传算法、蚁群算法、禁忌搜索算法。这些算法主要是解决优化问题中的难解问题。由于这些算法在求解时不依赖于梯度信息 ,因而特别适用于传统方法解决不了的大规模复杂问题。介绍了3种算法的基本思想 ,阐述了它们的特点并进行了比较 ,提出了今后研究的方向     

一种基于模糊规则的非线性系统快速模糊辨识方法

针对以往模糊建模方法中算法中算法过于复杂的问题，提出了一种简单而有交的复杂系统模糊建模新方法。该方法是基于输入空间的模糊划分，计算给定样本在各模糊子空间的隶属度，并列用卡尔曼滤波算法辨识模糊模型的结论参数。整个辨识过程与模糊聚类方法和误差反馈学习方法相比所需的CPU时间最短。最后通过著名的Box-Jenkins煤气炉数据仿真结果证明了该方法的有效性与实用性。     

并行广义预测自校正控制器(GPC)

本文旨在讨论ＧＰＣ算法［１，２］的并行化问题，通过对原串行算法的数据流及数据相关性的分析，得到了一种三角阵列的并行算法。该算法自然导致Ｓｙｓｔｏｌｉｃ结构，并具有良好的数值稳定性。对于一个 ｎ阶系统而言，本算法采用Ｏ（ｎ２）阶的处理器单元互连成三角阵列，可以把计算时间由原来的Ｏ（ｎ３）阶（内积运算）时间提高到 Ｏ（ｎ）阶，因而具有 Ｏ（ｎ２）的加速比，其处理器的利用效率得到了很大提高。     

基于自适应共轭梯度算法的高分辨率谱估计器

基于AR模型的功率谱估计是现代谱估计应用非常广泛的一种方法。通过对一全极点模型的参数估计来实现功率谱估计。提出了一种采用自适应共轭梯度算法来进行参数估计的方法。由于共轭梯度算法采用迭代运算求解Yule-Walker方程,同现有的谱估计算法相比,大大减小了谱估计算法的计算复杂度;随着自相关矩阵阶数的增大,该方法谱估计精度在小信噪比下提高显著。仿真结果表明,这种方法和基于AR模型的其它谱估计方法在不同信噪比下具有几乎相同的分辨率。因此,该谱估计算法具有重要的实用意义,有助于谱估计算法的实时实现。     

Genetic algorithm-based wide-band deterministic maximum likelihood direction finding algorithm

1 .INTRODUCTIONThe problemof esti mating direction of arriving waveusing array signal processing has wide applications inradar ,sonar ,seismology,astronomy and mobile andsatellite communication system, and has receivedmuch attentionin recent years .But the current liter-ature about direction finding algorithmpays more at-tention to narrow-band signal ,that is to say band-width of signal is far smaller than center frequency ofsignal and so envelop of signal keeps invariant in thesensors of …     

NURBS曲线半正交小波分解的Gauss算法

在多分辨率曲线和曲面造型中,B样条小波已经得到广泛应用 为了进行小波分解,通常要解一个线性方程组或者求矩阵的逆 如果曲线比较复杂,控制点较多 (例如:数千个以上 ),则矩阵的阶数就会很大,所需的内存将难以容忍,小波分解的速度也会受到很大影响 本文根据B样条小波的综合滤波器的特点,给出了GaussB样条半正交小波的快速分解算法     

Finding global minima with a new dynamical evolutionary algorithm

A new dynamical evolutionary algorithm (DEA) based on the theory of statistical mechanics is presented. This algorithm is very different from the traditional evolutionary algorithm and the two novel features are the unique of selecting strategy and the determination of individuals that are selected to crossover and mutate. We use DEA to solve a lot of global optimization problems that are nonlinear, multimodal and multidimensional and obtain satisfactory results. Foundation item: Supported by the National Natural Science Foundation of China (No. 60133010, NO. 60073043 and No. 700/1042) Biography: Zou Xiu-fen(1996-), female, Ph. D candidate, Associate professor, research direction: evolutionary computing, parallel computing.