一种大型非线性系统求解算法——Newton-SOR+

介绍了一种适用于大型非线性系统求解的     

一种求解非线性方程组的算法

为满足理论研究与工程实践对非线性方程组求解的需求，综合遗传算法和牛顿迭代法各自的优势，提出了能够充分发挥遗传算法大范围搜索全局解、牛顿迭代算法在局部细致搜索的新算法。实例证明，该算法搜索效率高，求解速度快，并能获得全局近似最优解。     

一种求解非线性方程组的并行算法

研究了求解非线性方程的并行算法，分析了传统算法存在的不足，并提出了一种新的求解非线性方程组并行算法，通过新算法与传统算法的比较以及新算法进行的性能分析表明，新算法有较好的并行度和较低的存储需求，可用于大规模的高性能计算。     

一种求解非线性方程组的简化混沌算法

本文针对非线性方程组的求解问题提出一种将简化牛顿迭代法与混沌映射相结合的简化算法。利用混沌运动的遍历性选初值,使简化牛顿迭代法跳出局部最优,最终搜索出逼近非线性方程组的全部解。本文的简化算法可大大减少计算量,数值算例表明了该算法的正确性与有效性。     

求解非线性方程组的一个光滑化一步牛顿算法

针对非线性非光滑函数方程组提出了一种新的光滑化一步牛顿算法,这个算法的每步迭代只需要解1个线性方程组,执行1次线搜索.证明了该算法是全局收敛的,并且在一定条件下,证明了它的局部超线性收敛性和二次收敛性.     

一种非线性系统稳定性直接判据算法

基于李雅普诺夫(Lyapunov)稳定理论,提出一种直观的非线性系统的稳定性判据算法(简称DNSA),这种算法是建立在一类非线性动态系统的模型结构上.算例仿真验证了这种算法的正确性,该算法为一类非线性系统的设计提供了方便.     

一种基于Memetic算法的非线性方程组求解算法

提出了Memetic算法求解非线性方程组的策略,在Memetic算法流程中,采用自适应多点交叉和随机点变异策略,在交叉和变异后均通过拟牛顿局部搜索策略对染色体种群进行优化,以提高算法的求解性能.仿真结果表明,所提算法在求解非线性方程组时是有效的.     

一种非线性系统相平面轨迹的生成算法

给出了非线性系统相平面轨迹的生成算法,并用此算法绘制出各种非线性系统的相平面轨迹,所给出的算法简单,通用性好,可用于各种系统的相平面轨迹的生成。     

非线性动态系统最优控制的一种算法

模型与实际之间存在差异 ,就此提出一种基于时变二次型问题的动态系统最优和参数估计集成的算法 ,该算法能逼近实际问题的最优解。文后的仿真实例说明该算法的有效性和实用性。     

解非线性方程组的牛顿—并行矩阵多分裂算法

本文构造和研究了解非线性方程组的牛顿－并行矩阵多分裂算法，建立了收敛性定理，估计了收敛速度。     

一种改进的蚁群算法用于灰色约束非线性规划问题求解

针对灰色约束非线性规划问题,设计了一种改进蚁群算法．该算法采用了正反馈机制。在对灰色约束非线性规划问题白化处理后,将罚函数方法引入到目标函数中,同时给出了改进蚁群算法的仿真流程．实例应用表明,将改进后的蚁群算法应用于灰色约束非线性规划问题的求解是可行有效的。     

一种求解非线性方程组的全局优化算法

提出了一种求解非线性方程组的全局优化算法,证明了在某种适当的条件下,所提出的算法以概率1收敛到非线性方程组的解.计算结果表明了算法的有效性.     

一种适于非线性系统辨识的神经网络学习算法

提出基于卡尔曼滤波前向多层感知器快速学习算法，对此算法进行了详细的推证。仿真结果证实了这种神经网络结构用于非线性系统辨识的有效性，此算法收敛速度快、重复性好，且对存在观测噪声的输入输出能获得尽可能精确的辨识结果，从而提高了神经网络系统辨识的实用性。     

一种非线性系统参数辨识的耦合算法研究

针对工程复杂性、时变性、非线性的特点,提出了基于混沌免疫粒子群算法(CIPSO)与El-man神经网络的耦合算法(CIPSD-ENN),用于非线性动态模型参数辨识.CIPSO优化算法将人工免疫系统中的克隆选择和混沌优化机制引入粒子群算法,在粒子群种群进化过程中,该算法对粒子进行克隆选择,提高其收敛速度,对克隆后的粒子混沌变异以增强种群局部搜索能力.最后,CIPSO与动态反馈型Elman神经网络融合,对其权值、阈值寻优,建立了基于CIPSO和ENN的耦合算法系统辨识模型.实验结果表明,算法具有收敛速度快、收敛精度高、鲁棒性强的特点,与单纯Elman网络辨识相比,模型收敛速度提高了10倍,拟合精度提高了2个数量级.     

一类新的光滑函数及求解非线性互补问题的光滑牛顿算法

本文构造了非线性互补问题的一类新的光滑函数,利用新的光滑函数将非线性互补问题转化为非线性方程组。然后提出了求解一般非线性互补问题的光滑化牛顿算法,并且证明了算法的全局和局部收敛性。     

一种求解单调非线性方程组的凸组合算法

将求解单调非线性方程组的CGD算法和MPRP算法的下降方向进行凸组合,构造出新的下降方向,从而提出新的算法,并给出新算法的全局收敛性定理.通过数值实验比较新算法与CGD算法和MPRP算法的结果,可知新算法优于原算法.     

一种求解非线性规划问题的粒子群算法

为了求解非线性混合整数规划问题,提出了一种基于随机游走的粒子群优化算法(RWPSO).构造出自适应的惯性权重,平衡了算法的全局和局部搜索能力;提出了一种"随机游走"行为,增强粒子的局部寻优能力;为了防止算法出现早熟收敛现象,提出了"优胜劣汰"更新机制.最后,为了验证算法在求解非线性混合整数规划问题方面的可行性和有效性,将提出的算法用16个常用的测试函数进行了测试并与其他3种算法比较.实验结果表明,RWPSO算法在精确度和成功率方面得到了很大的提高.     

一种新的求解非线性互补问题的Derivative-Free算法

把NCP(F)通过约束极小化变形转化为无约束极小化问题,构造一种新的Derivative-Free下降算法,并在一定条件下证明了Derivative-Free下降算法的合理性及整体收敛性.     

一种求解非线性函数优化问题的混合遗传算法

结合单纯形法的混合遗传算法是将单纯形操作替代原来的交叉算子,并采用最优群体保留策略,算法可以很小的群体规模实现兼顾全局搜索和局部搜索的均衡搜索,大幅度提高搜索精度和效率,算法不需要梯度信息,不需进行编码操作,非常适合求解非线性函数优化问题。     

求解奇异非线性方程组的牛顿不精确最小二乘算法

对运用M-P逆建立的Newton迭代法做近似,构造不精确的算法.取Newton方程组的最小二乘解的近似解推导构造不精确的算法,结果可得到不精确Gauss-Newton算法和不精确Levenberg-Marquardt算法;用一迭代法计算雅可比矩阵的Moore-Penrose逆,截取它的一个近似矩阵构造不精确的算法,给出了近似程度的控制条件,证明了其收敛性;用雅可比矩阵的局部信息代替其全部信息构造不精确的算法,证明了算法的收敛性.数值例子也表明了不精确算法在求解大型方程组问题上的优越性.