求解非对称线性方程组的总体拟极小向后扰动方法

在利用QPMR方法求解非对称线性方程组(尤其是病态方程组)的Lanczos过程中通常会发生算法中断或数值不稳定的情况．为解决这个问题，将求解非对称线性方程组的QMR方法与总体向后扰动范数拟极小化的技巧相结合，给出求解非对称线性方程组的总体拟极小向后扰动方法(TQMBACK方法)，同时，为减少存储量和运算量，新算法将采用重新开始的循环格式，通常人们采用残量范数作为判断算法终止的准则，但是，当近似解非常接近真值时，残量范数是小的，而反过来不一定，为克服残量范数作为算法终止准则的不足，将总体向后扰动范数作为判断算法终止的准则，得到求解非对称线性方程组的循环总体拟极小向后扰动方法(RTQMBAK方法)，数值实验表明，新算法比Lanczos方法和QMR方法收敛速度更快．而且，新算法对求解病态的非对称线性方程组很有效。     

加权期望残差极小化方法求解一类随机混合变分不等式

考虑有限维空间中的一类随机混合变分不等式,将求解随机混合变分不等式转化为加权期望残差极小化模型,并在一定条件下,通过拟蒙特卡洛方法得到了加权期望残差极小化模型的解.     

拟极小残差法在GPU上的优化研究

随着GPU在高性能计算领域更多地用于科学计算,采用GPU技术对大型稀疏线性方程组进行计算,从而满足人们对计算速度和计算精度要求的提高。NVIDIA Fermi架构的开发,大大提升了GPU的双精度浮点运算能力。拟极小残差法(QMR)作为高性能计算领域中的重要迭代算法,基于求解稀疏代数方程组对ELL算法进行GPU优化。通过对不同规模线性方程组计算分析表明,QMR-GPU的性能提升为原始QMR的3.5倍,与传统的BICG法相比,QMR并行算法具有速度和存储优势,可获得良好的并行加速比。     

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.     

加权期望残差极小化方法求解一类随机拟变分不等式

拟变分不等式是变分不等式及不动点理论的一个重要分支,其被广泛的应用于博弈论、物流管理、金融经济等领域.由于现实问题受随机因素干扰,上述问题中许多模型都可以由随机拟变分不等式描述,例如随机Nash均衡、随机供应链模型等.用加权期望残差极小化方法研究了一类随机拟变分不等式,并在一定条件下,通过拟蒙特卡洛方法得到了加权期望残差极小化模型的解.     

随机仿射变分不等式的改进期望加权残差法

本文在绝对值残差和加权期望残差方法的基础上针对带有非线性扰动的随机仿射变分不等式问题考虑了期望和方差的凸组合形式,得到了改进的期望加权残差极小化问题.通过拟蒙特卡洛方法,本文得到问题的离散近似问题,并研究了问题目标函数的可微性及其水平集的有界性,然后对问题进行了收敛性分析.     

加权最小包容球问题的对偶光滑逼近算法

【目的】研究加权最小包容球问题,并给出一类求解该问题的算法。【方法】加权最小包容球问题是一个极大极小化的非光滑问题。首先利用对偶方法将该问题转化为极小化非光滑问题,然后利用光滑逼近思想,将该问题转化为极小化的光滑问题进行求解。【结果】根据数据实例表明该算法有效。【结论】得到求解加权最小包容球问题的一类对偶光滑逼近算法。     

基于RBFNN和PSO求解第二类Volterra积分方程的混合方法

提出一种基于RBFNNs和PSO求解第二类Volterra积分方程的混合方法.先将积分区间离散化为点集,并代入积分方程得到方程组,再利用RBF神经网络逼近积分方程中的未知函数,将所求解问题转化为残差平方和的极小化问题.利用PSO算法求解残差平方和的极小化优化问题,得到RBF神经网络的参数,即得问题的逼近解.数值实验表明,该方法可行有效.     

半精化双正交Lanczos方法

根据精化投影方法的思想及双正交Lanczos过程提出一种近似精化方法－－半精化及正交Lanczos方法，并给出了半精化近似特征对与精化近似特征对对应的残量范数之间的关系，数值实验表明了新算法的优越性。     

解大稀疏最优化的Lanczos方法

解大稀疏最优化问题是最优化领域的一个重要课题。本文提出了解这类问题的一个Lanczos方法。这个方法从广义逆角度推导稀疏拟牛顿校正,并利用广义逆技术详细探讨了应用Lanczos方法解由稀疏拟牛顿法产生的线性系统的理由,从而得到了一种截断拟牛顿法。作者通过对Lanczos方法的分析,指出它实质上是某种经典Gram-Schmidt直交化方法,存在着严重的数值不稳定性,从而给出有别于选择直交化的简单再直交化。文章还给出了Lanczos方法和Moore-Penrose广义逆之间的关系。为了保证截断拟牛顿法的寻查方向是一个下降方向,作者对由Lanczos方法产生的三对角矩阵应用Bunch-Parlett分解,从而得到通常的拟牛顿方向,或者正曲率子空间下降方向,或者负曲率下降方向。最后,我们给出利用该方法得到的数值结果。     

期望残差极小化方法求解一类随机混合均衡问题

【目的】研究有限维空间中的一类随机混合均衡问题。【方法】首先定义了混合均衡问题的正则化间隙函数,并研究了正则化间隙函数的一些可微性质;其次通过随机混合均衡问题的正则化间隙函数,将求解随机混合均衡问题转化为求解期望残差极小化模型。【结果】在一定条件下,通过样本平均近似方法得到了期望残差极小化模型的解。【结论】随机混合均衡问题的期望残差极小化模型的解存在并且唯一。     

压缩感知中基于广义Jaccard系数的gOMP重构算法

为了解决信号重构性能差的问题,提出了一种基于广义Jaccard系数的广义正交匹配追踪(generalized orthogonal matching pursuit, gOMP)重构算法。该算法利用广义Jaccard系数相似性匹配准则替换gOMP算法中的内积度量准则,优化了通过感知矩阵来选择与残差余量最匹配原子的匹配方式。实验结果表明,该算法的重构成功率不仅高于gOMP算法,同时也高于OMP、StOMP等算法。     

关于实对称带状矩阵逆特征值问题的广义Lanczos算法

针对实对称带状矩阵的逆特征值问题,提出了一种新的能适应重特征值逆问题算法-广义Lanczos算法.它是在块Lanczos算法、拟Lanczos算法的基础上的进一步扩张,通过实际计算验证,该算法简单且数值稳定.     

基于带符号残差加权的手机定位方法

在蜂窝网的移动终端定位中,非视距(NLOS)环境造成的误差是导致定位精度下降的主要原因.为降低NLOS误差的影响,本文提出了一种基于带符号残差加权的定位方法.该方法采用Chan算法算出移动台的初始位置,用带符号残差加权模型进行修正,再应用带符号残差辅助的泰勒级数展开法进行迭代,得到移动台的最终估计位置.仿真实验结果表明,与基于平方残差加权的方法相比,基于带符号残差加权的方法的定位精度平均提高约14.82%,可更加有效地抑制NLOS的影响.      

基于数据预处理的改进GS正交化波束形成

针对常规Gram-Schmidt（GS）正交化算法在训练快拍中混有期望信号时,自适应波束会出现期望信号相消的问题,提出了基于数据预处理的改进GS正交化波束形成算法. 该算法构造阻塞矩阵进行数据预处理剔除期望信号,估计对应的协方差矩阵,并对其进行GS正交化重构干扰子空间,将静态加权矢量向干扰子空间作正交投影得到自适应权矢量. 同时,为准确估计干扰子空间,对协方差矩阵的正交化自适应门限进行了修正. 仿真结果表明,所提算法的输出信干噪比（SINR）比其它GS正交化算法有2 dB以上的性能改善.      

随机线性二阶锥互补问题的实值隐拉格朗日法

为探讨随机二阶锥互补问题的求解方法,利用实值隐拉格朗日法求解随机线性二阶锥互补问题。通过借助于对称锥互补问题中实值隐拉格朗日函数和随机问题的期望残差极小化方法,探讨所得问题解的存在性。由于期望残差极小化模型的目标函数中含有数学期望,故利用蒙特卡罗法对该问题进行近似。证得近似问题最优解序列是依概率1地收敛于期望残差极小化问题的最优解,并且近似问题稳定点序列是依概率1地收敛于期望残差极小化问题的稳定点,为随机二阶锥互补问题提供一种新的求解方法。     

求解随机线性互补问题的Levenberg-Marquardt型算法

针对随机线性互补问题的期望残差极小化模型,利用蒙特卡罗方法将其转化为有限个样本的近似问题.基于投影Levenberg-Marquardt算法,给出了求解近似问题的1种Levenberg-Marquardt型算法,证明了算法在一定条件下是全局收敛的.数值实验表明算法是有效的.     

一类具有学习效果的单机排序问题

讨论一类具有学习效果的单机排序问题.在这类问题中,由于学习效果的作用,工件加工时间将逐渐减少.学习效果通过工件正常加工时间的分段线性函数来描述.基于对问题的分析,把目标函数为极小化总惩罚的工期确定问题转化成指派问题,从而得到问题的多项式算法.对于极小化完工时间和与完工时间偏差的双目标问题,其一般情况同样可以转化成指派问题.此外,对于某些特殊情况,给出了极小化最大完工时间问题与完工时间和问题的简便算法.     

一种新修正拟牛顿法的超线性收敛性

拟牛顿法是无约束极小化中最有效的算法之一。通过讨论一种基于新拟牛顿方程的修正拟牛顿法,给出了该算法的局部超线性收敛性。     

解对称线性方程组的总体最小扰动方法

在利用Lanczos方法求解大型对称线性方程组时,由于舍入误差的影响,Lanczos过程易发生中断和数值不稳定.本文提出求解对称线性方程组的总体极小向后扰动(TMINBACK)方法,新方法利用Lanczos过程产生Krylov子空间km(A,r0)的一组基,并求xo km(A,r0)中的近似解xm,使矩阵[A,b]的向后扰动范数‖[ΔA,△b]‖F极小化.同时,为减少计算量和存储量,本文给出新算法的循环格式.在迭代过程中,利用残量范数作为判断算法终止条件的缺点是,若近似值是精确的,残量范数是小的,反之,不一定.本文利用总体向后扰动范数作为判断算法终止条件,克服了范数作为判断算法终止条件的不足,提出了求解大型对称线性方程组的循环总体极小向后扰动(RTMINBACK)方法.数值实验表明,新方法比一些旧的方法求解大型对称线性方程组更有效,并且RTMINBACK方法适合求解病态线性方程组.