最优子种群实数编码遗传算法的研究

提出了最优子种群实数编码遗传算法理论，通过从种群中选出适应值最高的若干数量的个体，组成该代最优子种群，将最优子种群中的个体与种群中其它个体进行交叉变异，最优子种群中的个体间也进行交叉变异，从而产生新的种群．该遗传算法对于示例中多极值的问题非常有效，收敛速度也非常快．     

带有小参数和不连续源项的反应--扩散问题的多过渡点格式

在许多应用领域常出现带有小参数和不连续源项的反应一扩散问题．这类问题在边界层和内部层附近都出现剧烈振荡现象，解析解根本无法求出．因此人们常采用关于摄动参数为一致收敛的数值方法．本介绍了多过渡点方法，此方法根据边界层和内部层的特点，选择合适的过渡点．在内部层和边界层附近加细了网格点。它很好地拟合了边界层和内部层的性质．证明了新的格式关于小参数一阶一致收敛．提高了Shishkin网格法(单过渡点法)的收敛阶．     

∑∞ k=1Ak(t)一致收敛的判定和性质

借助矩阵范数和矩阵谱半径的概念,结合极限理论和数项级数的有关结论,给出了矩阵级数一致收敛的判定和性质.     

基于模拟退火遗传算法的水文地质参数识别

水文地质参数识别是一个复杂的非线性优化问题，针对传统人工调参方法的局限性，提出了水文地质参数识别的模拟退火遗传算法，实现了水文地质参数的自动识别，提高了计算效率，较一般遗传算法具有更好的收敛性能，最后通过实例验证了该方法的可行性与有效性。     

渐近非扩张映象具误差的迭代收敛问题

研究了Banach空间中渐近非扩张型映象不动点的迭代逼近问题，所得结果改进了相关文献的最新成果．     

约束最优化的改进中心算法

以最优化问题为核心，对中心算法进行了研究．该算法是解决非线性凸约束数学规划的有效算法．在此对其作了几个方面的改进．实例计算分析表明，改进后算法的收敛速度大大加快，迭代的次数大大降低．     

小波神经网络用于非线性函数逼近的研究

神经网络具有良好的学习特性，而小波变换具有良好的时频局部化特性．将二者结合在一起构成小波神经网络，网络隐层采用morlet小波函数，输出层采用线性函数，使得该网络兼具神经网络和小波变换的优点．分别用小波网络和BP网络逼近一非线性函数，其结果表明，在相同的误差条件下，小波网络的收敛速度要远远快于一般的BP网络．     

基于混合样本的污染线性模型的非参数估计

研究污染线性模型 :yi=(1 -ε)xTiβ zi,1≤i≤n .设误差序列 {zi}是平稳的α 混合序列 ,fε(x)为其公共的未知密度函数 ,在假定Ez2 i<∞的情况下 ,讨论了基于残差的 fε(x)核估计的相合性及其收敛速度 .并构造了污染系数ε及回归参数 β的非参数估计 ,建立了估计量的强相合性及强收敛速度 .     

优化问题的序列线性方程组解法

拟牛顿算法是求解无约束优化问题的有效算法.序列二次规划方法是将拟牛顿算法应用于求解约束优化的推广与发展,它保持了拟牛顿算法的超线性收敛速度而成为约束优化的重要算法类.序列线性方程组方法则是它的进一步发展,目的在于每步求迭代方向dk时避免求解计算量较大的二次子规划.现在序列线性方程组方法仍在研究和发展,目的是简化算法结构、减少计算量,同时保持算法的优良性质.     

带重尾分布的高速网络交通过程

考虑网络交通模型包括了无穷个顾客一个服务台 ,顾客的初始到来是依泊松过程来到服务台 ,顾客的到达间隔服从重尾分布。将传送周期长度的概率数量指标从 1 <α<2推广到 α>1 ,获得了网输入交通过程收敛到斜平稳列维过程。