离散型Луръе控制系统的降维原理和应用

本文研究了离散控制系统绝对稳定性的不变性降维原理.指出当反馈变量系数向量属于一个确定线性变换的r维不变子空间时,原系统的绝对稳定性,可化为一个r阶系统的绝对稳定性.由此将一些低阶系统的结果推广到了高阶系统.     

基于降维的全局优化近似解法

将降维应用到全局优化问题的求解中,提出了一个基于降维的全局优化近似算法,用以求解带箱约束的非线性全局优化问题。首先在区间[0,π]上构造一个新的降维公式,给出基于该降维变换曲线的α-致密度,再从降维曲线长度对该近似算法的计算量进行估计并给予证明,给出理论算法,最后给出了数值实验结果以说明算法的有效性。     

卡诺图降维变量的选择

本文从分析降维卡诺图的填写内容出发,通过几个逻辑函数化简及设计例题的讨论,得出从逻辑函数非最小项（ 含最简） 与或表达式中,选其出现次数最少的变量作降维变量的降维卡诺图和实现电路比较简单的结论     

多元响应降维子空间

提出多元中心K阶条件矩降维子空间,指出与多元中心K阶矩子空间的关系.结合相关文献方法,提出1种新方法估计多元响应降维子空间,给出该方法估计量的相合性与实例模拟.     

维数公式与子空间直和的等价条件

论述了维数公式与线性空间的子空间直和的等价条件     

周期抛物问题差分方法降阶解法

对周期抛物问题的差分方法,本文提出一种将周期抛物问题变换为如同处理边值问题的递推过程的降阶方法。     

浅述降维方法及非线性降维方法举例

随着新工具,新技术的产生,人们使用越来越多的变量数据来描述某一现象,即为高维数据。但随着数据变量的增多,产生了前所未有的困难。文章介绍了降维方法来解决这一问题,并通过举例介绍了非线性降维方法在解决降维问题过程中的优势和重要意义。     

复合形法的减维控制

复合形法是求解约束非线性规划的一种直接方法, 它计算简单、 适用性强, 是解决 工程技术问题的常用方法. 但当初始复合形选择不当时, 会出现减维现象, 从而影响到最优 解的收敛. 针对上述问题, 给出了n维空间条件下的减维控制 定理与方法, 使其在构造初始复合形时能有效避免减维现象的发生.     

分形插值及分形维数的图解法

自然界中存在的许多现象具有分形特征,传统的Euclid空间对具有分形特征的自然界形态模拟具有一定的困难,对此可以用分形插值来拟合自然界形态。基于迭代函数系统（IFS）,通过离散的数据点构成分形插值函数,可以证明分形插值函数是这个IFS唯一的吸引子。分形插值曲线的分形维数直接用数学公式求解比较困难,借助于MATLAB矩阵运算与图形绘制功能,采用图解方法求取,精度可以达到0.01~0.001,从而实现离散数据点的分形插值拟合及其分形维数的求解。试验结果表明,该算法具有简捷直观的特点。     

一种求解常微分方程初值问题的单步法

本文利用Cotes求积公式推出求解常微分方程初值问题的5点6阶方法,进而用Newton-Cotes求积公式,推出了求解常微分方程初值问题的更为一般的公式,并给出了相应方法的绝对稳定区间,最后通过数值算例表明,该方法具有一定的优势。     

基于人工神经网络降维映射的统计优化方法

提出将多维空间的样本数据降维映射到二维平面上,并在该平面上自动生成函数的等值分布曲线,从而,可直观出该函数的最优点或最优区域,通过本文提出的逆映射算法可将其还原到多维空间用原始变量表示．运算实例结果表明,基于神经网络降维映射的优化方法,直观、准确、可靠,对于有约束优化问题的求解特别有效．     

解背包问题的一种直接搜索法

对背包问题提出了一种直接搜索方法，此方法简便易行，尤其对求解变数不多的背包问题很有效．     

求解大型稀疏矩阵广义特征值的子空间迭代法加速研究

采用Wilson移频策略对子空间迭代法进行了加速. 为加速高阶特征值的收敛,对Wilson移频策略进行了改进,给出了详细的移频子空间迭代求解特征值的步骤,讨论了若干移频控制参数的选取. 从给出的对比算例可看出,采用移频算法,子空间迭代法求解特征值明显加速,且随着待求特征值阶数的增加,加速效果更加明显,求解时间与待求特征值数近似成线性关系.     

求解绝对值线性互补问题的一种广义牛顿法

本文研究了在绝对值互补问题的矩阵A-Dx正定的条件下,求解绝对值互补转化为求解凸二次函数极小值问题,并且利用该转化提出了一个求解绝对值互补问题的广义牛顿算法,证明了该算法的全局收敛性,并通过数值实验表明本文所提出的算法的有效性.     

解决数据一维平衡的数组变换遍历算法

本文提出了解决数据一维平衡的一个新的算法—数组变换遍历算法，给出了该算法的数学基础、方法步骤、程序描述及算法分析。     

求解高维凸二次规划的可行方向法

介绍一种求解高维凸二次规划的可行方向法。该方法的可行下降方向可由低维线性互补问题求得，最优步长由简单公式给出，无需精确的线性搜索。计算结果表明，采用本法具有计算量小和节省机器时间的优点。