惯量松驰因子的一个数值试验

研究了惯量松驰因子对ＳＩＭＰＬＥ算法收敛性能的影响，通过实例，找到了影响该项性能的最佳惯量松驰参数。     

求解分裂可行问题的一种松弛投影算法

主要研究了分裂可行问题的一种修正CQ算法的松弛形式,在已有CQ算法的一种修正形式上提出了其松弛算法,并证明了其收敛性,当参数满足一定条件时,该算法的收敛性成立.     

一种松弛型Bregman区间的凸规划算法

首次提出了一种松弛型的Bregman区间凸规划算法,并保证了欠松弛条件下算法的收敛性。在前面算法收敛性证明的基础上,还得到了一个松弛型的Hildreth区间规划算法。     

求解PageRank问题的Arnoldi松弛两步分裂算法

提出了求解PageRank问题的一个新的算法——Arnoldi松弛两步分裂算法(Arnoldi relaxed power-inner-outer, Arnoldi-RPIO).该算法在原有的PIO算法中加入一个新的松弛参数,并且运用深度重启的Arnoldi算法来加速算法的收敛性. Arnoldi-RPIO算法的收敛性得到了理论证明,并给出数值算例说明了该算法的有效性.     

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.     

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.     

多参数及超松弛邻近尺度邻近点算法研究

针对临近点算法的尺度梯度问题,对多参数及超松弛邻近尺度邻近点算法进行了研究.验证了多参数临近尺度梯度算法、超松弛邻近尺度梯度算法序列的强收敛性和有界扰动恢复性,分别进行Superiorization算法的算例分析.结果显示,超松弛邻近尺度梯度算法在运行耗时、迭代次数上均明显好于多参数临近尺度梯度算法.相对于多参数临近尺度梯度算法,多参数邻近尺度梯度算法的有界扰动算法、结合Superiorization的多参数临近尺度梯度算法、超松弛邻近尺度梯度算法性能更优.     

线性互补问题的SSOR多分裂算法

运用矩阵的SSOR多分裂和松弛迭代算法,提出了一类求解线性互补问题的数值解法.在一定条件下分析了算法的全局收敛性和松弛因子的范围,扩大了以往求解线性方程组的SSOR多分裂迭代算法的收敛区域.     

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.     

一种解析延拓方法松驰迭代外推技术

从积分方程观点对解析延拓提出松弛迭代外外推技术，并证明了此算法的收敛性，指出收敛程度由松弛因子和已知的部分谱决定，此算法弥补了Ｐａｐｏｕｌｉｓ算法中关于某类函数迭代的收敛性。     

泡沫铜内空气流动特性的研究

泡沫铜内流体动力学特性对其换热性能影响非常重要。为充分利用泡沫铜的换热性能,通过实验研究了泡沫铜的孔隙率、孔密度对空气流过泡沫铜的压降、渗透系数、惯性系数、雷诺数的影响,以及雷诺数和摩擦系数之间的关系。实验结果表明压降是随着泡沫铜的孔密度的增大而增大,随着孔隙率的增大而减小;渗透系数是随着泡沫铜的孔密度增大而减小,随着孔隙率增大而增大;惯性系数则是随着泡沫铜的孔密度增大而减小,孔隙率的变化对惯性系数则影响较小;而雷诺数约为15~20以下时,摩擦系数是随雷诺数增大而增大。     

基于遗传算法的超声速二维进气道优化设计

首先介绍了基本遗传算法,并由基本遗传算法演化出小生境遗传算法.应用简单的测试函数对两种遗传算法进行测试,对两种遗传算法进行比较.然后应用小生境遗传算法对二维超声速进气道进行优化设计.在单目标优化设计中,以最大总压恢复系数为优化目标,在多目标优化设计中分别顾及到总压回复系数要求最大和增压比也要很高.在对进气道的优化设计之后,对单目标优化和多目标优化的结果进行比较.     

A hybrid genetic algorithm based on mutative scale chaos optimization strategy

In order to avoid such problems as low convergent speed and local optimal solution in simple genetic algorithms, a new hybrid genetic algorithm is proposed. In this algorithm, a mutative scale chaos optimization strategy is operated on the population after a genetic operation. And according to the searching process, the searching space of the optimal variables is gradually diminished and the regulating coefficient of the secondary searching process is gradually changed which will lead to the quick evolution of the population. The algorithm has such advantages as fast search, precise results and convenient using etc. The simulation results show that the performance of the method is better than that of simple genetic algorithms.     

考虑负载时变的线路巡检机器人动态性能分析

巡检机器人进行越障时，受负载时变影响，会出现控制超调、振动等现象.在考虑负载惯量时变特性的情况下，研究了一种用于分析巡检机器人越障状态下动态性能的方法.对双臂线路巡检机器人的回转机构建立了基于双惯量模型的动力学方程，使用改进D-H法与拉格朗日法对机器人建模，具体包括分配坐标系，求解拉格朗日方程，利用惯性矩阵计算负载转动惯量等.通过选择合适的阻尼系数设计了控制器参数，利用阻尼系数与固有角频率的变化分析了机器人的动态性能变化.研究成果有助于对双臂巡检机器人越障时的动态性能进行分析，并可用于机器人的伺服控制参数调试.     

基于网络拓扑的CDN内容路由技术

围绕内容分发网络内容路由技术,给出了两种基于网络拓扑的算法——“简单算法”和“拓扑分割算法”,确保用户的Web请求被指向距离其最近的和最可用的高速缓存服务器．算法以巡回时间限制服务器性能,采用离散系统仿真方法进行仿真．详细讨论了两种算法的实现,并分析了各系统参数对算法性能的影响．其中“拓扑分割算法”借鉴了网络距离图的思想,从而提高了响应速度．     

基于自适应交叉和变异概率的遗传算法收敛性研究

交叉概率pc和变异概率pm在整个进化进程中保持不变,是导致算法性能下降的重要原因。为了提高算法的性能,文章提出了自适应交叉概率公式和自适应变异概率公式,并在非线性排序选择情况下,证明了所提出的自适应交叉和自适应变异概率公式是收敛到全局最优解的。     

粒子种群优化(PSO)算法的性能研究

近年来,一种新的基于种群优化的算法———粒子种群优化(PSO)算法,正受到人们的普遍关注。首先介绍了PSO原理及具体实现步骤,接着对各种常见PSO算法,例如原始算法、惯性权值算法、限制因子算法等进行了解释。在此基础上,对PSO算法典型模型的参数选择,如惯性权值、加权系数、最大速度等,进行了详细研究,并给出了实验结果,得出了相关结论,为今后参数的选择提供了参考。接着讨论了PSO在神经网络、模糊逻辑系统和进化计算等计算智能领域及其它工程领域的应用,最后给出了进一步的研究方向。     

一种基于自适应动态惯性权重加压缩因子的人工藻算法

针对标准的人工藻算法(AAA)会由于参数选取不当等原因导致过早收敛和易陷入局部最优解等问题,本文提出一种自适应动态惯性权重(SW)加压缩因子(CF)的人工藻算法(CFSWAAA).为了平衡算法的全局探索和局部改良能力,自适应动态惯性权重被引入到人工藻算法中:为了控制和约束人工藻位置的移动距离,压缩因子被引入到人工藻算法的位置更新中,从而提高算法的收敛速度.最后文章利用4个标准测试函数对改进的算法进行了仿真测试.仿真结果表明,基于自适应动态惯性权重加压缩因子的人工藻算法相比现有的其他四种算法具有较高的优化性能.     

非线性最优化中超线性收敛的序列线性方程组方法

提出了一个超线性收敛的序列线性方程组方法（ＳＳＬＥ）．此方法与现有的序列二次规划（ＳＱＰ）方法相比，其优点有：（１）由于新方法每一次迭代只需计算三个系数矩阵完全相同的线性方程组，因此迭代的计算量减少且算法的稳定性提高；（２）每一次迭代产生的点是可行的；（３）具有一步超线性收敛速度。