用微型计算机解算大网络——节点撕裂改进节点分析法

本文将求解大型网络的节点撕裂节点分析法直接推广为节点撕裂改进节点分析法,后者能处理的元件类型显著增加.我们认为撕裂法的目的首先是节省内存,其次是减少计算量.据此,我们提出了改进LU分解的算法.在算法中,把建立网络方程和求解该方程有机地结合起来,并采用了稀疏矩阵技术.该算法节省内存,效果良好,同时还保持并行计算的优点.我们编制了节点撕裂改进节点分析法的直流和交流稳态分析程序,并在内存仅32k的微型机上作了若干个实例计算,其中有一个是求解具有966个节点和1449条支路的级联网络,所有结果均佳.     

节点与支路混合撕裂分析法

本文在广义撕裂法及节点撕裂节点分析法的基础上提出了一种新的撕裂方法—节点与支路混合撕裂法(简称混合撕裂法)。它同混合分析法与节点分析法及回路分析法的关系类似,可以把广义撕裂法中的节点回路撕裂法与节点撕裂节点分析法作为它的特例,且一般可以达到比二者更好的撕裂效果。本文给出了节点与支路混合撕裂法的严格证明,给出了以二级撕裂为基础的算法及示例。     

多区域互联系统潮流解耦算法

针对大规模多区域互联电网潮流计算提出了一种基于对角加边结构(BBDF)矩阵的解耦算法.采用节点撕裂法进行区域分解,再利用在联络线中插入虚拟节点的办法,使整个潮流计算的修正矩阵具有对角加边特点.利用对角加边矩阵易于分解的特点,对大规模线性方程进行分解求解,个别修正量采用异步迭代,从而实现快速求取潮流解.采用IEEE118节点系统,验证了算法的可行性和有效性,表明该算法非常适合大电网潮流计算.     

列向量等权互异且行向量准等权矩阵的最优生成算法

本文引入一个递归型矩阵,给出了 GF(2)上列向量等权互异且行向量准等权矩阵的一种生成算法,这个算法是最优时空的,它可直接用于生成有名的最佳最小奇权列码(SEC-DED 码)校验矩阵。最后,我们把算法推广到 n 元集上。     

推广的Pei-Radman特殊矩阵求逆及其应用

当矩阵的维数比较高的时候,该矩阵求逆就相当麻烦,且计算量很大。为了克服这个缺点,对于非对角元素相同,而对角元素是非对角阵元素加上一个常数的推广Pei-Radman矩阵,本文提出了求其逆的公式。将该求逆结果应用到带公共干扰噪声的多传感器的观测系统中,得到了基于加权最小二乘准则的融合观测即为所有传感器的观测的平均值,而融合观测的噪声为公共干扰噪声的方差加上所有传感器噪声方差的平均值。该算法能明显减少计算负担,提高融合效率,具有重要的物理意义和很大的实际应用价值。一个温度观测的仿真例子证明了推广的Pei-Radman特殊矩阵求逆算法的正确性,也说明了融合观测及其噪声的有效性。     

开关电容网络故障子网络的诊断

本文给出了一种开关电容网络(SCN)的故障子网络诊断算法。该算法建立在电荷守恒原理基础上。应用本算法,能识别出故障子网络或确定出包含故障子网络的局部网络。本文的算法是一种直接算法,具有可靠、计算量小、适用于大规模SCN等特点。而且,该算法不限于双时相SCN,可推广到多时相SCN。     

基于遗传算法和BP算法的混合算法

结合神经网络的优化问题,提出一种新的混合算法.该算法是在遗传操作中嵌入BP算子,有效地结合了遗传算法全局寻优与BP算法快速收敛的特点,同时采用二进制编码和实数编码将神经网络的结构与权值混合编码到串中,实现了结构与权值的同步优化.仿真结果表明,新算法既能够快速地收敛到全局最优解,又能够在简化网络结构复杂度的同时得到网络权值的最佳逼近.     

混合因子矩阵分解推荐算法

针对矩阵分解推荐算法在潜在属性与已知属性之间不能建立对应关系的问题,提出了一种混合显式属性与隐式属性的矩阵分解算法。该算法使用显式属性的相关性对因子矩阵进行约束,能够抑制稀疏数据矩阵分解中过拟合的问题,提高推荐精度,由于因子矩阵中包含显式属性,所以混合因子矩阵分解算法可以实现对新用户和新产品推荐,部分地解决了冷启动问题,实现了从评分数据到显式属性的映射,并对推荐结果给出一定的解释。在MovieLens数据集上的实验结果表明:相同因子数下,混合因子矩阵分解算法的推荐精度均优于偏置概率矩阵分解算法,并能够基于显式属性实现对新产品的推荐。     

公共交通系统最佳路径算法

在分析城市道路网络最短路径算法(SP算法)和公交网络的特点的基础上,提出公共交通系统最佳路径算法.首先引入直达矩阵(T矩阵)和最小换乘矩阵(Q矩阵),讨论公交网络节点间换乘问题,得出最少换乘算法.利用Q矩阵确定节点间最少换乘次数,评价公交网络方便可达性.其次结合最少换乘算法,对最短路径算法(Dijkstra算法)进行改进.在标号过程中,利用Q矩阵对待检验T标号点进行筛选,减少T标号计算量,得到一条综合考虑路径长度和换乘的最佳路径.最后用一个简单的算例进行验算,说明该算法适用于一般公交网络,特别是换乘代价较高的公交网络.     

用支路撕裂法进行大规模模拟电路故障诊断的新算法

本文首先介绍最近出现的一种用支路撕裂法进行的大规模模拟电路的故障诊断算法,讨论了该算法的容差问题。然后将故障预测技术、替代理论和迭加定理运用到支路撕裂法中,得到一个新的故障诊断方程,并给出了一种新的算法。还讨论了算法的并行处理问题。研究结果证明,当连续监测网络时,新算法的在线计算时间和容差问题均较原算法有很大的改进。     

电力系统网络方程并行算法研究及潮流并行计算的实现

结合Ｔｒａｎｓｐｕｔｅｒ硬、软件的特点，研究了电力系统网络方程的并行算法。在撕裂节点法、系数矩阵写成对角加边的基础上，发展了系数矩阵完全分解算法。在由４片Ｔ８００－２０组成的并行计算机系统上，实现了快速分解潮流的并行计算，并针对不同规模的网络进行了试算，计算结果表明，上述算法有较好的效果，证明并行算法能显著提高电力系统计算的速度，有广阔的应用前景。     

一个大规模网络撕裂的有效算法

该文对大规模网络分析的撕裂技术提出一种拓扑算法，该算法从求最小割集的角度，对网络进行最优撕裂，其算法理论比较简单，保证在多项式时间内获得撕裂支路数最少的撕裂结果。以图论中邻接矩阵为基础，给出了该算法的理论证明，通过实例应用可以看出该算法效果简捷有效。     

一类稀疏矩阵的撕裂法

对于大稀疏矩阵,在计算中保持矩阵的稀疏性是很重要的。本文提出用撕裂法把一个非本性标准形的稀疏矩阵化为拟标准形,从而使矩阵在约化过程中产生的添补数比原矩阵少。本文还通过实例表明作者提出撕裂法比Steward[1]和[4]提出的方法更有效。     

一类稀疏矩阵的撕裂法

对于大稀疏矩阵,在计算中保持矩阵的稀疏性是很重要的。本文提出用撕裂法把一个非本性标准形的稀疏矩阵化为拟标准形,从而使矩阵在约化过程中产生的添补数比原矩阵少。本文还通过实例表明作者提出撕裂法比Steward[1]和[4]提出的方法更有效。     

基于LMBP算法的Drazin矩阵逆的求解

研究利用神经网络求解Drazin矩阵逆的一种新的算法,根据Drazin矩阵所具有的性质和已经研究的成果,对Drazin矩阵逆的求解的预处理过程及求解分别设计了循环神经网络和LMBP神经网络结构.据算法求解的实例结果,与传统算法进行了比较,表明新的算法具有优越性.     

(P、K)端开关网络的综合

本文应用布尔矩阵理论讨论了(P,K)端开关网络的等价问题、输出矩阵的构造和原始连接矩阵的算法,并给出了实现此算法的软件设计思想。最后针对求得的原始连接矩阵绘制了网络图。     

结构等价型模糊神经网络算法及其应用

提出一种结构等价型模糊神经网络的学习算法．等价型神经网络根据模糊系统的推理规则,决定等价的神经网络结构参数,因而网络结构特殊．采用的学习算法是用误差反传对局部节点的权值进行调整,收敛速度快．实验表明,将其用于火灾探测系统中,能够准确、及时地探测各种标准试验火,并具有较强的抗干扰能力．     

化工流程模拟迭代分析与流股切断搜索型算法

通过对流程迭代收敛行为分析,提出了同时适合序贯模块法和联立模块法的综合切断准则,并构造了相应的自动切断算法,该算法已研制成软件,成功地用于通用流程模拟程序自动生成器中。     

基于径向基函数概率神经网络的心律失常自动识别

讨论了基于径向基函数（ＲＢＦ）的概率神经网络的基本网络结构和网络的学习和运行过程,并且与ＢＰ算法的径向基神经网络进行了对比,同时也测试了网络的容错能力,结果表明,基于ＲＢＦ的概率神经网络,学习速度大大提高,同时减小了ＢＰ陷入局部极小的问题,有一定的抗噪声能力,基于ＲＢＦ的概率神经网络模型在心律失常自动识别中获得了很好的应用。     

传感器网络同步态的节点故障诊断算法

首先介绍了复杂网络同步态的概念,以传感器量测数据为节点,定义了随时间动态变化的传感器网络,采用数学分析方法定量描述了传感器网络的动力学机制,给出了传感器网络同步态的数学定义、计算方法及其实际的物理含义。理论推导表明,同步态从全局角度评价传感器网络的健康程度,以量测数据距离关联性定义复杂网络的耦合矩阵A=(aij)N×N,并以该耦合矩阵零特征值对应的左特征向量(ξ1,ξ2,...,ξN)来刻画传感器网络节点的局部细节信息,进而衍生出基于传感器网络同步态的节点故障诊断算法,实现传感器网络的故障诊断。实验仿真了由100个传感器组成的复杂网络,采集了在稳定运动60s期间的的量测数据,每个量测数据长度为5 000,其中有3个传感器处于间歇增益故障状态,以此来验证基于传感器网络同步态的节点故障诊断算法的有效性。结果表明,该算法不仅可以很好地跟踪整个传感器网络的工作状态,实时监测每个传感器网络节点的故障,而且可以利用传感器网络节点故障之间的相关性有效地识别出传感器量测数据的异常是由外界量测对象的改变还是由传感器本身故障引起的。该算法为全局评估传感器网络的工作状态和监测网络节点的局部故障提供了一个新颖可行的研究思路,期望为相关领域的研究学者提供有益的参考。