二次矩阵方程异类约束1-3-7解的迭代算法

讨论了控制理论中二次矩阵方程的约束解问题,结合牛顿算法以及修正共轭梯度算法(MCG),建立了多变量二次矩阵方程异类约束1-3-7解的牛顿-MCG算法.先用牛顿算法把非线性二次矩阵方程转化为关于校正矩阵的线性矩阵方程,再用MCG算法求线性矩阵方程异类约束解或最小二乘约束解,给出了算法性质和结论.最后,用数值算例验证了该算法是有效的.     

多自由度非线性动力方程的改进增维精细积分法

针对多自由度非线性动力方程,提出了一种改进的增维精细积分法。将非线性项当作载荷来处理,并采用增维的方法使非线性动力方程转化为形式上的齐次方程,使该齐次方程的系数矩阵具有一个定常子矩阵,避免了每一个时间步内要进行若干次矩阵的加、乘迭代来更新指数矩阵,提高了增维精细积分法的计算效率,尤其是对大型结构的长期性态仿真效果十分明显。数值算例表明,该方法对一般的多自由度的非线性动力方程的求解具有精度高、计算速度快的特点。     

DTM-Adomian-pade求解非线性分数阶微分方程

为求解R-L定义下的分数阶非线性微分方程近似解析解,将Adomian多项式、Padé逼近法与R-L微分变换法相结合,提出改进的广义微分变换法。利用Adomian多项式代替方程中的非线性部分,对方程进行广义微分变换法求出其级数解,运用Pade法对其级数解进行逼近。改进的微分变换法不仅计算简单,具有较小的计算量,而且扩大了级数解得收敛范围,具有较高的精度。最后给出数值算例,验证了算法的有效性,为计算R-L分数阶非线性微分方程提出新的计算格式。     

一致质量矩阵在向量式有限元中的应用

为研究一致质量矩阵在向量式有限元分析中的应用,采用第二类拉格朗日方程建立向量式有限元的质点运动方程,从能量原理推导了一致质量矩阵、集中质量矩阵和力矩阵,并引入节点位移约束,对两种质量矩阵在杆系结构中的向量化方程及含义作了对比.进一步通过受冲击荷载的无约束杆算例和受突加荷载的平面桁架算例,对比了采用两种质量矩阵的向量式有限元、刚体动力学及ANSYS分析软件得到的动力响应.结果表明:在瞬态动力分析中,采用一致质量矩阵比集中质量矩阵得到的结果更精确.当计算刚体平动时,两种质量矩阵的计算结果接近;而当计算刚体转动时,采用一致质量矩阵的向量式有限元方法具有较好的计算精度和效率,从而验证了一致质量矩阵在向量式有限元中的适用性和精准性.     

多项式最大公因式的一种简便算法

以矩阵为工具,利用矩阵变换计算多项式最大公因式.先构造出多项式对应的系数矩阵,对该矩阵施行初等行变换和“轮换”变换化为秩为l的矩阵,再由秩为1的矩阵写出对应的多项式,即为所求的最大公因式.这种算法对计算非整系数多项式或三个以上多项式的最大公因式,显得极为简便.     

一类矩阵方程的最小二乘双对称解及其最佳逼近

构造了一种迭代法求一类矩阵方程的最小二乘双对称解.研究了迭代序列的若干性质,证明了算法的收敛性.数值算例表明,这种迭代法是有效的.     

基于广义变换矩阵的机械零件三维模型骨架匹配

提出了一种基于广义变换矩阵的机械零件三维模型骨架匹配方法。骨架中两骨架点间的连线称为骨架枝,借鉴机器人学中广义连杆之间关系的表示方法,将骨架枝看成若干个连杆,在骨架点处建立固定坐标系及骨架枝坐标系,采用广义变换矩阵表示骨架枝。将广义变换矩阵转化成向量,引用统计学中的相关性度量方法,通过计算2个向量的皮尔逊相关系数得到2个广义变换矩阵的相似度,即得到2个骨架枝的相似度。搜索相匹配的骨架枝并计算整个骨架的相似度。通过实例验证和实验分析,表明该算法具有较快的检索速度和较高的准确度。     

应用插值小波解第二类Fredholm积分方程

引入了一种解第二类Fredholm积分方程的新的数值算法,该数值方法利用插值小波变换将积分方程转化成线性方程组并求解,经过变换后得到的线性方程组的矩阵是一个稀疏的带状矩阵.数值算例表明,与传统算法比较该方法计算量小,并且具有较高的精度.     

基于Householder变换的复参数递推最小二乘估计方法

提出了一种基于Householder变换的复参数递推最小二乘参数估计方法.利用基本复Householder变换方法,研究了基于复Householder变换的递推复矩阵上三角化变换算法,针对上三角矩阵增加一行新数据后的复矩阵,提出了按列递推复矩阵上三角化变换算法,并给出了相应的算法证明.算例仿真结果验证了基于复Householder变换的复数最小二乘估计算法的有效性和可靠性.     

矩阵方程AXB+CYD=E的中心对称最小二乘解及其最佳逼近

提出一类求矩阵方程AXB+ CYD=E的中心对称最小二乘解的迭代算法,并证明迭代算法的收敛性.在不考虑舍入误差时,迭代算法能够在有限步计算后得到矩阵方程的中心对称最小二乘解;选取特殊的初始矩阵时,能够得到矩阵方程的的极小范数中心对称最小二乘解.同时能够得到给定矩阵的最佳逼近中心对称矩阵.数值例子表明,这种方法是有效的.     

Implicit Parallel FEM Analysis of Shallow Water Equations

The velocity field in the Wu River at Chongqing was simulated using the shallow water equation implemented on clustered workstations. The parallel computing technique was used to increase the computing power. The shallow water equation was discretized to a linear system of equations with a direct parallel generalized minimum residual algorithm (GMRES) used to solve the linear system. Unlike other parallel GMRES methods, the direct GMRES method does not alter the sequential algorithm, but bases the parallelization on basic operations such as the matrix-vector product. The computed results agree well with observed results. The parallel computing technique significantly increases the solution speed for this largescale problem.     

用Kronecker积与广义逆矩阵求解矩阵方程

本文研究了两类线性矩阵方程AXB+CYD=E层的求解问题,利用广义逆矩阵,给出了前一类方程有解的充要条件及有解时一般解的显式。以及后一类方程有解的克要条件及有解时一般解的拉直形式。     

WZ分解的一种新的并行算法

本文对n阶非奇异实稠密矩阵A的WZ分解提出了一种新的并行算法。用n~2台处理机,我们可以在3n-2步内求得矩阵A的WZ分解。该算法与文献[1]中的方法相结合,可得并行求解线性方程组的另一种有效算法。文中所提及的算法均适用于SIMD型并行计算机。     

求解大型稀疏线性方程组的Krylov子空间方法的发展

 求解大型稀疏线性方程组是许多科学和工程计算中最重要的问题之一,Krylov子空间方法是求解这类线性方程组的一个研究热点.本文介绍了Krylov子空间方法及其分类,例如正交投影方法(或Ritz-Galerkin方法),正交化方法(或极小残差方法),双正交化方法(或Petrov-Galerkin方法),解法方程组的CGNE和CGNR方法等,指出了这些方法在算法设计方面国内外研究现状和存在问题,着重考虑稀疏矩阵向量乘积与内积计算方法的并行处理问题;讨论了预条件与并行预条件技术,残差磨光技术及其并行实现,数据的合理分布问题,内积瓶颈问题等方面研究的发展趋势,希望有更多学者了解和研究这些方法.     

求解拟五对角线性方程组的四参数法

 基于五对角线性方程组的追赶法,给出了拟五对角线性方程组的四参数求解方法。算法的基本思想是,将方程组的前2个未知量x1,x2和最后2个未知量xn－1,xn看作参数,这4个未知量正好对应于拟五对角方程组边角位置上的非零元素。然后通过特殊的矩阵分解将方程组解向量中的其他n－4个未知量用x1,x2,xn－1和xn 4个参数表示,从而形成标准的五对角线性方程组,可以方便地利用求解标准五对角线性方程组的追赶法进行求解。被看作参数的4个未知量可以利用原方程组中的前后两个方程及中间变量求出。最后,将已经求出的4个参数再代入分解矩阵形成的方程组中求得其余分量。鉴此,本文给出了两种不同的实现方法,其主要区别在于求解4个参数的过程不同。一种方法是将解向量的全部分量用参数线性表出,然后取出前后各2个式子组成参数方程,求出4个参数。另一种方法是将4个参数作为已知量先代入第3～n－2个方程中,整理后得到一个n－4阶的方程组,解出第3～n－2个解分量的参数表达式,再将x3,x4,xn－3,xn－2回代到前2个方程和最后2个方程中组成参数方程,求出4个参数。对于规模较大的拟五对角线性方程组而言,这两种算法的计算量几乎一样。该算法的数值稳定性分析结果表明,系数矩阵在满足严格对角占优的条件下,该算法是稳定的。数值实验结果表明,两种算法的实际计算时间与算法的理论分析相符合。     

基于深度神经网络和概率矩阵分解的混合推荐算法

针对个性化推荐中用户和项目描述信息未充分利用,用户评分矩阵数据集极端稀疏的情况,提出了基于深度神经网络和概率矩阵分解(PMF)的混合推荐算法.首先,对用户和项目描述信息进行预处理,形成包含用户偏好特征的用户和项目特征集,再将各特征输入深度神经网络模型中进行训练.同时,利用概率矩阵分解模型,根据用户评分矩阵通过最大后验估计优化得到潜在特征向量;然后,通过对概率矩阵分解模型的用户和项目潜在特征向量以及深度神经网络模型的真实特征向量进行迭代更新,收敛得到融合用户和项目真实信息的潜在特征向量;最后,利用该特征向量对用户进行个性化推荐.实验证明,本文算法较经典推荐算法以及前人算法在均方误差与平均绝对误差指标上均有改善,说明本文算法的有效性.     

线性系统单输入的2种简单的极点配置算法

对线性系统的单输入情况,提出2种简单的极点配置算法.2种方法都将未知量归结为一个线性代数方程组的解,而这个线性代数方程组系数矩阵的每一行均为系数矩阵是三角形的线性代数方程组的解.该算法计算简单,计算量少.第一种方法还同时求出配置后矩阵的特征向量,为系统设计提供参考;第二种方法的计算量更少.对第一种方法进行误差分析,证明只要计算精度充分高,都能达到对任意给定的大于0的极点配置误差要求.     

弹塑性摩擦接触多极边界元法的规划-迭代型算法

提出一种基于多极边界元法（FM-BEM）的规划-迭代型不完全广义极小残值法（简称IGMRES（m）并建立其收敛性理论．新求解算法采用截断技术,在迭代时仅使用前面计算出的部分向量构造新的递推式计算后面的向量,矩阵和向量的乘积采用多极展开法（FMM）计算,使得计算量和存储量大为减少．通过数试验证明,新算法可有效地处理弹塑性摩擦接触迭代的繁杂和费时问题,在确保数值计算精度的前提下,大大减少迭代次数,显著提高计算效率．     

基于连接的频繁集聚类算法

针对大型事务数据库中频繁集的多属性聚类问题,提出一种高效的频繁集聚类算法.以往聚类算法采用基于距离的计算方法,由于受到属性数据的制约,在频繁集挖掘中具有一定的限制.在属性聚类基础上,基于连接对频繁集进行聚类.在算法中先找出数据点的邻居和计算相似度,构造邻居矩阵;然后计算连接数目,确定邻居数目矩阵;最后通过设置判定函数和阈值确定聚类数.通过实验证明,算法能够不仅能有效地完成频繁集的多属性聚类问题,而且还可以进一步发现频繁集在某一层次的相关性.     

三对角方程组行处理法并行解法

利用行处理法和分治策略给出一个求解任意三对角方程组的并行迭代解法 ,证明了所给解法对任意相容性三对角方程组收敛 ,讨论了所给解法的迭代终止条件 ,进而讨论了其对应分布式MIMD并行迭代算法的设计法则 .按照并行解法 并行计算机 =并行算法的模式 ,使用给出的并行解法 ,可以给出一些求解三对角方程组的新的MIMD并行迭代算法 .