随机延迟微分方程半隐式Euler方法的T-稳定性

研究了带有延迟项的随机微分方程Euler方法的T-稳定性.通过对带有特定驱动过程的半隐式Euler方法应用到线性试验方程上得到的差分方程进行讨论,给出了半隐式Euler方法的T-稳定性的条件.     

非线性随机延迟微分方程半隐式Euler方法的收敛性

 首先利用附近已有节点上的值通过插值对延迟项进行数值逼近,然后针对较一般情形下的一类非线性随机延迟微分方程初值问题,得到了带线性插值的半隐式Euler方法在均方意义下是收敛的理论结果,它推广了已有文献中的相关结论.     

带跳随机延迟微分方程半隐式Euler方法的均方指数稳定性

研究带跳随机延迟微分方程半隐式Euler方法的均方指数稳定性.将半隐式Euler方法应用到维纳过程和泊松过程驱动下的非线性随机延迟微分方程上进行讨论,给出了半隐式Euler方法的均方指数稳定性的条件.     

MDDEs隐式Euler法的非线性稳定性

讨论隐式Euler法关于多变延迟微分方程(MDDEs)的非线性稳定性。我们证明，在MDDDEs的解是稳定或渐近稳定的条件下，隐式Euler法求解上述方程得到的数值解同样是稳定或渐近稳定的。     

Stratonovich型随机微分方程的三阶隐式型随机Runge-Kutta算法

构造求解Stratonovich型随机微分方程的强1阶收敛的三阶隐式型Runge-Kutta算法——IMRK算法,证明了该算法与现有算法相比,具有更广的稳定区间和更高的精度。     

随机人口方程在半隐式Euler算法下数值解的收敛性

讨论了随机人口方程解的数值方法,在方程的外部环境影响和随机移民扰动都依赖于时间t的条件下,给出了其半隐式Euler算法,并在Lipschitz系数是常数的情况下分别估计了近似误差.     

解常微分方程初值问题的隐式Euler方法及并行计算方法

本文对解常微分方程初值问题的隐式Euler方法给出具体的并行计算公式,并证明了该方法的收敛性。     

隐式Euler法关于一类无穷延迟系统的非线性稳定性

讨论了形如y(t)=f(t,y(t),y(pt),P∈（0，1），t≥的无穷延迟系统的非线性数值稳定性，并给出了隐式Euler方法的整体与渐近稳定性准则。     

随机延迟微分方程的分步向前Euler算法

构造了求解随机延迟微分方程的分步向前Euler算法(Split-Step Forward Euler Method,简称SSFE算法),分析了该算法均方稳定的充分条件,最后通过数值试验验证了该理论结果.     

随机微分方程1.5阶随机Taylor方法的指数稳定性

本文针对线性随机微分方程,首先证明了强1.5阶隐式随机Taylor方法能无条件保持解析解几乎处处指数稳定性;其次证明了当0相似文献   

量子粒子群算法在电网规划中的应用

量子粒子群是在粒子群算法的基础上,引入了量子机制,它具有较好的全局收敛性。将量子粒子群算法应用于电网规划问题,克服了传统优化方法易陷入局部最优等缺点。通过18节点实例验证了该算法的可行性和有效性。     

PSORP航迹规划算法设计与实现

针对飞行器航迹规划与重规划进行了研究,提出了一种基于粒子群的航迹规划与重规划算法（Particle Swarm Optimization Route Planner,PSORP）。在该方法中,使用了特定的粒子群编码方式、构造了适当的适应度函数并建立了有效的航迹评价规则。仿真实验表明该算法可以有效利用各种环境信息,在实时环境下处理各种航迹约束,并最终获得近似的最优航迹。     

基于微粒群算法的交通流量组合预测研究

智能交通运输系统是目前国际公认的解决交通拥堵、提高运行效率的最佳途径,交通流的实时、准确预测是智能交通运输系统的核心技术之一;在对目前几种常见的交通流预测模型的基础上,提出一种基于微粒群算法的组合预测;新方法充分考虑了各种算法的优点,并结合重庆市某道路进行实证分析.     

一个与信籁域搜索技术相结合的微粒群算法

微粒群优化算法(PSO)是一种有效的随机全局优化技术.文章针对利用微粒群优化算法进行多极值点的函数优化时,存在陷入局部极小点和搜索效率低的问题,把信籁域搜索技术引入到PSO算法中,提出了基于信籁域搜索的微粒群优化算法(TRPSO).该算法保持了PSO算法结构简单的特点,改善了PSO算法的全局寻优能力,提高了算法的收敛速度和计算精度.仿真计算结果表明,该算法的性能优于混沌微粒群优化算法(CPSO)和基本微粒群优化算法(PSO).     

粒子群优化算法及其在电力系统中的应用

粒子群优化(PSO)算法是一种新兴的基于群体智能的进化算法.介绍了PSO算法的基本原理及各种改进方法,总结了近年来PSO在电力系统中的应用研究成果,主要涉及负荷经济分配、机组组合问题、输电网规划、最优潮流计算、无功优化等领域,指出了PSO算法的广阔应用前景。     

粒子群算法惯性权重的研究

粒子群算法惯性权重ω的设置其极重要,直接影响算法性能.本文利用云发生器对惯性权重进行调整,对其取值范嗣做了进一步的研究,并应用于粒子群算法的改进.以高维函数优化为实例,实验仿真结果表明,新算法的全局搜索能力、收敛速度,精度和稳定性均有了显著提高.     

基于图像采集的电梯控制粒子群算法研究

论文对以往的电梯派梯算法进行改进.在电梯信息采集模块中加入图像处理模块,来增加电梯呼梯信号的可信度.派梯算法模块中采用多目标粒子群优化算法,对电梯的耗能,乘客乘梯和候梯时间等几个目标进行优化.     

基于粒子群优化聚类算法的点模型简化

为了有效地简化稠密采样点模型,提出了一种基于粒子群优化聚类算法的点模型简化方法.引入了具有强大全局寻优能力的粒子群优化算法,对传统的k-均值聚类算法进行改进,基于改进的聚类算法对点模型进行简化,选取具有最优个体适应度函数的粒子作为原始采样点集的最终简化模型.算法聚类依据采样点的空间位置、法向和曲率的邻近性,实现了点模型表面区域几何特征保持的简化.同时在聚类区域的划分中考虑了曲率阈值和区域半径,使得算法在有效地保持特征边界和曲面细节的同时,能够生成高质量的简化曲面.实验结果表明,粒子群优化的k-均值聚类算法克服了传统聚类算法容易陷入局部极小的缺点,具有更好的全局收敛性和较快的收敛速度.该简化方法在有效简化点模型的同时,很好地保持了原始模型的几何形状,且在相同简化效率下能够生成更高质量的简化曲面.     

自适应粒子群算法的整定模糊PID控制器的参数优化

提出了一种基于自适应粒子群算法(APSO)优化模糊PID控制器隶属函数的方法以及基于模糊控制规则的权值来消减规则数目的参数优化方法.仿真实验表明,该方法相比传统方法能得到具有更快响应速度和更小的超调量的模糊PID控制器.     

动态拓扑结构的多目标粒子群优化算法

介绍了一种动态拓扑结构的多目标粒子群优化算法(dynamical topology multiple-objective particle swarmoptimization,DMPSO).给出了一种新的储备集更新策略,定义了支配度和邻域拥挤度及粒子差异度的概念,根据支配度及邻域拥挤度的大小来决定储备集的更新,增强了解的多样性和均匀性.为了防止早熟收敛,结合邻域拥挤度和粒子差异度,给出了一种拟小世界动态拓扑邻域结构来平衡粒子的全局搜索能力和局部搜索能力.最后通过对几个例子的数值实验说明算法的可行性,并通过成功地应用在实际工程问题上说明方法的有效性.