一种新的连分式求值方法

采用数学归纳法构造了一种不同于传统的三项递推公式和向后递推公式的连分式求值递推公式 ,利用此递推公式给出了一个不同于Thiele算法、Stoer算法、Salzor算法的求一元有理插值系数的一个新算法     

一种循环连分式的求值方法

对于连分式求值问题通常是通过选择合适的修正因子进行加速收敛，而对于循环连分式修正因子序列也应是周期的，这就使得对于周期大于2的连分式其修正因子的选取较为困难．本文k-周期连分式提出一种特殊解法，避免了修正因子的选取．数值例子表明新算法对于某些连分式可较快求出其值．     

二元牛顿关联连分式插值的矩阵算法

文章利用牛顿多项式插值和关联连分式插值构造一种新的二元牛顿关联连分式插值,给出了一种新的等价算法——矩阵算法,数值例子表明了该算法的有效性。     

利用压缩变换求极限2-周期连分式的值

加速收敛在连分式理论中占有重要的地位,对极限周期连分式进行加速收敛最常用的方法是通过选择合适的修正因子。如果b0＋^∞K（n=1）（an/bn）是极限κ-周期连分式,则修正因子序列也应是κ-周期的,这就使得对于k≥2的周期连分式的修正因子的选取较为困难。借助连分式的压缩性质,针对极限2-周期连分式推导出一种新算法,从而避免修正因子的选取,数值例子表明新算法使得连分式的收敛更快,精度更高。     

关于二元Thiele型矩阵插值连分式的系数算法

本文给出了二元矩阵插值连分式的一个系数算法，该算法具有递推运算的特点，适宜于计算机运算，给出的数值例子说明了这种算法的有效性．     

关于二元的Thiele型矩阵插值连分式的系数算法

本文给出了二元矩阵插值连分式的一个系数算法，该算法具有递推运算的特点，适宜于计算机运算，给出的数值例子说明了这种算法的有效性。     

二元Thiele型向量插值连分式的系数算法

本文给出了文[1]中二元向量插值连分式的系数算法,给出的数值例子说明了这种算法的有效性。     

二元向量值有理插值的一种递推算法

一般二元向量值有理插值的算法多利用分叉连分式的方法。文章利用插值型值点复数化的方法讨论并给出了二元向量值有理插值的一种新算法,即把平面上的插值结点视为一个复数,所对应的向量视为一个复向量,使用一元Thiele型向量值有理插值公式的构造方法和向量连分式的向后三项递推关系式以及适当的变换,最后导出了这种递推算法。所得算法避免了使用分叉连分式,具有更大的有效性和灵活性。     

二元矩阵连分式逼近的对偶展开式（Ⅲ）

本文借助于矩阵的广义逆变换和分支连分式的递推算法，得到了二元Ｔｈｉｅｌｅ型矩阵连分式的对偶展开式，并对对偶展开式的逼近性质进行了讨论。两种互为对偶的连分式逼近之间的一个关联性质得到了证明。给出的计算实例说明了本文的结果。     

极限2-周期连分式的一种新算法

加速收敛在连分式理论中占有重要的地位,对连分式进行加速收敛最常用的方法是选择合适的修正因子。如果连分式是极限k-周期的,则修正因子序列也应是k-周期的,这就使对于k≥2的周期连分式其修正因子的选取较为困难;文章借助了连分式的压缩技术,针对极限2-周期连分式推导出一种新算法,使修正因子的选取变得简单;数值例子表明新算法使连分式的收敛更快、精度更高。     

课程表问题的一种混合型模拟退火算法

提出了课程表问题的一种基于概率型启发式算法（HA）的混合型模拟退火算法。其中，概率型的启发式算法采用了复杂度高者优先，循环首次适应算法，贪婪法，回溯法和松弛法等多种方法，该算法所排出的课表可作为模拟退火算法的初始解。模拟退火可对概率型启发式算法的排课结果做进一步优化，克服了启发式算法不具有全局收敛性的缺点。所以，混合型模拟退火算法具有启发式算法充分利用领域知识，计算量小，优化快速和模拟退火的全局收敛性，数值实验也证明了它的有效性和可行性。     

一种从自由飞行实验中提取空气动力系数的新方法

该文提出从飞行体自由飞行试验中提取空气动力系数的新方法－－Ｍａｒｑｕａｒｄｔ改进法。Ｍａｒｑｕａｒｄｔ法综合了Ｃｈａｐｍａｎｎ－Ｋｉｒｋ渚最速下降法的优点而避开了它们的缺点，是一种比较好的数据处理方法。Ｍａｎｑｕａｒｄｔ改进法既继承了Ｍａｒｑｕａｒｄｔ法的优点，又大大地减少了计算工作量，是一种收敛快的迭代算法，最后，给出了在靶道实验数据处理中的计算实例。     

基于扇形趋利果蝇优化算法改进的FS-K聚类算法

针对果蝇算法对高维函数收敛精度低的缺点,提出了一种改进的基于扇形搜索的果蝇算法(Fan search-Fruit Fly Optimization Algorithm,FS-FOA),该算法在原果蝇FOA算法的基础上改进了果蝇群体的搜索路径,并赋予果蝇个体趋利性,使更多的果蝇个体朝着味道浓度更大的方向前进,使果蝇群体的搜索方向有更多的选择性,增加果蝇算法在处理高维函数问题上的收敛速度和收敛精度;并将改进的FS-FOA算法与K-means聚类相结合,提出一种FS-K聚类算法,与原K-means聚类和原果蝇(FOA)算法进行对比实验,引入5个经典的测试函数对原FOA算法和FS-FOA算法寻优结果进行测试,结果表明采用FS-FOA算法具有更高的收敛精度;引入5个UCI公共数据集对改进FS-K聚类算法和原K-means算法、SOM聚类算法、FCM聚类算法进行测试,结果表明FS-K聚类算法具有更好的聚类效果。     

网格移动的无线移动传感器网络部署算法

针对目前无线移动传感器网络中部署算法过于复杂的问题,提出了一种新的基于网格移动的无线移动传感器网络部署算法.降低了常见无线移动传感器网络部署算法的时间复杂度,提高了任务区域的节点覆盖度,减少了覆盖漏洞,适用于无线移动传感器网络的应用.文中论述了该算法的构架,执行过程,并对该算法进行了仿真分析.仿真结果表明,该算法在有效降低算法复杂度的情况下满足了网络部署中关于覆盖率的要求.     

一种全局优化的两阶段算法

为了提高算法的有效性,利用梯度算法和粒子群算法独立的运行机制,采用驱赶技术和重新初始化部分群体的技术,提出了一种基于梯度下降法和粒子群算法的两阶段优化算法,并对新算法进行了理论分析和数值仿真.数值结果显示新算法比单纯梯度算法有更好的全局优化能力,比单纯粒子群算法有更快的收敛速度和更高的精度.新算法求解质量更高,运行更稳定.     

基于改进自适应遗传算法的仿真研究

交叉概率Pc和变异概率Pm是遗传算法中重要的参数,自适应遗传算法中Pc和Pm能根据个体适应度差异自适应地调节其大小,在快速收敛和全局最优之间获得了较好的平衡,但自适应遗传算法对于进化初期不利.改进的自适应遗传算法避免了进化初期较优个体处于停滞不前的状态.分别用3种算法对典型的测试函数进行训练,仿真结果表明:改进的自适应遗传算法在收敛速度和寻最优解方面是最优的.     

基于遗传算法的BP网络全局收敛的混合智能学习算法

给出了一种将 BP算法和遗传算法有机结合的全局收敛的混合计算智能学习算法。此算法结合了 BP算法和遗传算法的长处 ,既有较快的收敛性 ,又具备良好的全局收敛特性。计算机仿真结果表明 ,该混合算法显著优于遗传算法和 BP算法     

基于学习与竞争的改进PSO算法研究

针对普通PSO算法收敛速率慢,难以收敛到全局最优解的问题,提出了一种基于学习与竞争的改进PSO算法.该算法通过将种群内部学习和竞争的思想与PSO算法相结合,让种群中个体通过竞争和学习策略来替代原有的PSO算法迭代公式.该方法在不增加PSO算法计算复杂度的基础上,能够克服基本PSO算法的不足.最后基于动态系统的稳定性分析理论,给出了该PSO算法收敛性的证明.在7种不同的测试函数上对改进后的算法进行了实验测试.实验结果表明该改进算法比传统的PSO算法有着更好的搜索精度.结果证明,新算法比普通的PSO算法具有更高的搜索精度和较低的时间复杂度.改进算法求解函数优化问题更加有效,收敛速率更快.     

用混合遗传算法求解物流配送路径优化问题

为了改善物流配送路径优化问题的运算质量,提出一种将遗传算法和模拟退火算法相结合的混合遗传算法。通过仿真 实例验证,证明混合遗传算法的解优于单纯使用遗传算法和模拟退火算法所得到的解,同时混合遗传算法与传统优化算法相 比收敛速度更快,分配结果更优良,具有很好的应用价值。     

基于改进算法的移动机器人路径规划

机器人路径规划问题通常采用不同算法来对其进行规划，为发挥算法中改进遗传算法和鲸鱼优化法的优势，弥补遗传算法出现优化准确率和收敛度不高等问题，将改进遗传算法和鲸鱼优化法融合，增强移动机器人路径规划对动态环境的适应性能。对算法适应度函数进行优化，改善了基本遗传算法、提升了原算法对函数的求解效率。通过遗传算法、对遗传算法进行改进的算法、改进遗传算法与鲸鱼算法相融合的算法所运行的路径长度与运行时间进行比较，结果表明融合改进优化算法可以有效获取最优算子，减少运算时的迭代次数，同时提升算法的规划准确率。