论加权残值法之配点法的收敛性问题

对加权残值法(MWR)之配点法的收敛性问题进行了讨论。建议在近似计算中采用“准收敛准则”判断近似解的收敛性。指出配点法不能保证准收敛。同时分析了这一缺陷是引用狄拉克(Dirac)δ函数作权函数所导致的。     

用M—判别法判别函数{f_n(x)}的一致收敛

函数列{f_n(X)}的一致收敛性判别法很多,本文利用M—判别法判别函数列的一致收敛性,方法十分简捷。并对创造性思维能力的培养也是一种尝试。文中给出了函数列{f_n(X)}的M一判别法,并列举了实例。     

二元函数一致收敛的几种判别法

二元函数一致收敛性对二元函数的极限函数的性质研究起着非常重要的作用,针对二元一致收敛问题,给出几种判别法,这些判别法能够很方便判别二元函数的一致收敛性,最后用实例说明判别法的应用.     

ROSEN梯度投影法在线性约束下的收敛定理

文[2]对原Rosen梯度投影法中的控制参数给以较强的约束后证明了方法的收敛性。本文则在取消此约束后证明了方法的全局收敛性。     

正项级数收敛性的又一新判别法

近年来,关于正项级数收敛性判别法又有一些新的研究,其中主要是得到了一些关于收敛性的新判别法以及对有关判别法的强弱进行了讨论.本文建立了正项级数收敛性的又一个新判别法,它适用判别与级数∑∞n=21n(lnn)s敛散速度相当的正项级数的敛散性,因而新判别法比传统的Raabe判别法等更为精细.此外,通过与Gauss判别法进行比较,得出了新判别法强于Gauss判别法的结论.     

新Armijo线搜索下的FR共轭梯度法及其收敛性

描述了一种在新Armijo线搜索下的Fletcher-Revees(FR)共轭梯度法,并分析了其收敛性,从理论上证明了借助新的Armijo线搜索,FR共轭梯度法不仅可保证在每步迭代中都容易找出步长,而且可保证全局收敛性.     

解非线性方程组的全局收敛方法（Ⅱ）

解非线性方程组的数值连续法是一种扩大已给方法收敛域的尝试，本文将数值连续法用于研究非线性椭圆型边值问题，建立了判断迭代收敛性的充分条件，讨论了其算法的可行性。     

子序列法应用条件的改进

子序列法是在大数定理及其相关的收敛性证明中常使用的一种重要方法, 主要应用在随机序列和的强收敛性定理证明中. 本文将子序列法的应用条件从原有的独立序列扩展到某种意义上的正交序列, 并给出了对一般随机变量序列所构成的级数的几乎处处收敛方法.     

一类基于共轭梯度法的下降算法

共轭梯度法是求解大规模我约束优化问题的有效算法之一,近年来出现了很多共轭梯度法收敛性的相关文献。本文研究基于共轭梯度法的下降算法,证明了算法的收敛性,并对算法进行了数值试验,结果表明算法是很有效的。     

迭代法收敛速度的比较

在全面介绍迭代法的收敛性的基础上，介绍了牛顿迭代法的收敛性和弦截性的收敛法，并对基本迭代法、牛顿迭代法和弦截法的收敛速度进行了比较，经比较看出，同样的问题，弦截法的收敛速度比一般迭代法要快得多，与牛顿迭代速度相近，也是比较快的。最后指出，在以电子计算机为数值计算工具的今天，必须研究适合于计算机运算的数值计算方法的收敛速度。收敛速度的快与慢，是评判谊种收敛法适用与否的一项重要指标。因此用何种方法来解决实际应用问题显得尤为重要。     

一种针对收敛性问题的改进进退法及其仿真验证

进退法是最优化方法中一种常用且简单的一维单峰试探搜索算法.针对进退法的收敛性和收敛速率展开研究,在讨论了进退法的算法原理及其实施步骤的基础上,针对原算法在某些情况不收敛的问题,提出了一种改进的进退法,将原算法每次进退迭代中的转向步长变为与前一步长和迭代次数有关的函数, 这样可以克服原算法不收敛的缺点.通过严格的理论推导证明了改进进退法的正确性,并利用实例仿真验证了其有效性.结果表明:进退法收敛速率不稳定,依不同初始参数而不同,改进进退法以降低收敛速率为代价而保证收敛性.     

最速下降法和共轭梯度的混合算法及全局收敛

将最速下降法与共轭梯度法有机结合起来,构造出一种混合优化算法,并证明其全局收敛性.这种混合优化算法结合了共轭梯度法和最速下降法产生搜索方向,既提高了共轭梯度算法的收敛速度,又解决了目标函数的等值线是扁长椭球时,最速下降法下降缓慢的问题,具有收敛速度快、收敛范围大、适应面广等特点.文中的算法实例表明,混合算法与单纯的共轭梯度法相比,效果更优.     

一类新的记忆梯度法及其收敛性

提出一类新的求解无约束优化问题的记忆梯度法。算法在每步迭代中利用当前和前面迭代点的信息产生下降方向,采用精确线性搜索或Wolfe非精确线性搜索产生步长,在较弱条件下证明了算法具有全局收敛性和线性收敛速率。数值试验表明算法是有效的。     

异步并行牛顿法的单调收敛性

本文对非线性方程组ＦＸ＝０提出异步并行牛顿法的单调型算法,算法的整体收敛性及局部超线性收敛性的证明。     

解非线性对称方程组问题的近似高斯-牛顿基础BFGS方法

给出一个解非线性对称方程组问题的近似高斯-牛顿基础BFGS方法．该方法无论使用何种线性搜索,此方法产生的方向总是下降的．证明在适当的条件下,该方法的全局收敛性和超线性收敛性,给出数值检验结果。     

一个修改的求解非线性对称方程组的高斯-牛顿BFGS方法

在文献[10]的基础上,给出一个修改的求解非线性对称方程组问题的高斯-牛顿BFGS方法,并建立该方法的全局和超线性收敛性.该方法比原方法的效果要好.     

三次B样条有限元法

由于B样条具有紧凑性及良好的光滑性、明确的表达式等优点,所以用B样条求解微分方程时容易进行系数矩阵的计算,从而提高计算效率。本文利用以上优点构造了三次B样条基函数,并用有限元的思想,求解两点边值问题,通过数值实验计算出:在半H1范数下,三次B样条有限元法具有3阶收敛精度;在L2范数下,三次B样条有限元法具有4阶收敛精度,说明三次B样条有限元法具有最佳L2收敛阶。     

解非埃尔米特线性方程组的外推迭代法的收敛性

为探讨非埃尔米特线性方程组的迭代算法,考虑非埃尔米特线性方程组的外推迭代法,讨论其收敛性,得到了两类外推算法的收敛性结果,该结果表明,在一定的参数范围内,外推算法是收敛的.并通过数值算例验证了理论结果的正确性.     

关于新拟牛顿法的一种异步并行算法

对于新拟牛顿方程，文章提出了一种求解无约束优化问题的异步并行算法，并讨论了所设计算法的全局收敛性．     

关于拟牛顿法求解等式约束优化问题的超线性收敛条件

拟牛顿法是求解约束优化问题的有效方法之一,许多作者在理论上讨论了此类算法的全局收敛性和收敛速度,但关于收敛速度的条件讨论较少．Ｂｏｇｇｓ等人给出了一个拟牛顿方法求解等式约束优化问题的超线性收敛的充要条件,但假设条件较强．本文利用分析和代数的技巧,在较弱的条件下证明了该算法的超线性收敛的充要条件仍然成立．