凸约束二次规划问题求解的一般方法

将标准对偶变换的思想应用到求解凸约束二次规划问题上,并给出了该问题的完全解的形式.标准对偶变换思想的主旨是将原问题通过标准对偶变换的方法转化为其对偶问题,通过求解其对偶问题得到原问题的最优解.这种方法可使原来复杂的问题简单化,并使得原问题与其对偶问题间的对偶间隙为零且不带有任何扰动.应用这种方法我们还可以很容易的得到一些比较好的结果.     

最小二乘法求解非线性四阶边值问题

在再生核空间中构造了一种新的算法,研究了一类带有非线性边值问题的数值求解算法.该文基于再生核理论结合最小二乘法来求解四阶非线性边值问题,该理论是基于再生核空间W52[0,1],方程的精确解以级数的形式在再生核空间W52[0,1]中给出,同时给出了一些算例说明了这个方法的有效性.     

一类矩阵反问题的最小二乘解

讨论了反对称正交对称矩阵反问题的最小二乘解,给出了最小二乘解的一般表达式.作为最小二乘问题的特殊情况-矩阵反问题,得到了有解的充分必要条件,在解存在时给出了解的一般形式.     

给定谱系树的加权最小二乘拟合

给出给定谱系树加权最小二乘问题最优拟合的一个充要条件及两个拟合算法。     

自回归模型参数的最小二乘估计

利用约束规划及计算数学理论,讨论自回归模型参数的精确估计方法,给出求解参数的方法,计算量约为O（N）个运算量。此估计与原来的损失样本信息条件下的最小二乘估计法求解的工作量O（N）基本等价,因此是一个可行的精确估计方法。     

循环矩阵反问题的最小二乘解

讨论了一类循环矩阵反问题的最小二乘解,给出了解的存在定理和解的一般表达式.考虑了给定矩阵的最佳逼近问题,证明了问题存在唯一解,给出了唯一解的表达式,最后给出了两个数值算例.     

零点约束的MIMO雷达最小二乘误差方向图合成

摘要： 对于MIMO雷达,当发射和接收天线间距满足特定值时,发射方向图中会出现栅瓣,导致合成的方向图中出现高旁瓣. 文中从数学角度分析了旁瓣产生的原因,提出一种零点约束的最小二乘方向图合成方法以抑制旁瓣. 该方法由拉格朗日乘子方法得到具有零点约束的最优加权,然后合成最小二乘误差接收方向图来解决高旁瓣问题. 仿真结果表明,合成的方向图中高旁瓣能被有效抑制.     

线性流形上W准对称矩阵反问题的最小二乘解

研究了线性流形上W对称矩阵反问题的最小二乘解及其逼近问题,给出了最小二乘解的一般表达式,并就该问题的特殊情况——矩阵反问题,获得了有解的充分必要条件,并在有解的条件下得到了解的一般表达式.     

带有二次约束非凸二次规划问题的一种全局优化方法

对带有二次约束非凸二次规划问题进行研究,利用二次函数的结构和性质,对目标函数和约束函数进行线性下界逼近,建立原规划问题的一个新的线性规划松弛,以便确定它在超矩形上全局最优值的一个下界;利用超矩形上的最长边的对分策略,以及超矩形的缩减和删除技术,提高算法的收敛速度;通过对松弛线性规划可行域的细分以及一系列的松弛线性规划的求解过程得到原问题的全局最优解,从理论上证明了算法能收敛到原问题的全局最优解,最后数值例子也说明了算法是有效的.     

带有二次约束非凸二次规划问题的一种全局优化方法

对带有二次约束非凸二次规划问题进行研究,利用二次函数的结构和性质,对目标函数和约束函数进行线性下界逼近,建立原规划问题的一个新的线性规划松弛,以便确定它在超矩形上全局最优值的一个下界;利用超矩形上的最长边的对分策略,以及超矩形的缩减和删除技术,提高算法的收敛速度;通过对松弛线性规划可行域的细分以及一系列的松弛线性规划的求解过程得到原问题的全局最优解,从理论上证明了算法能收敛到原问题的全局最优解,最后数值例子也说明了算法是有效的.     

一类矩阵方程系统最小Frobenius范数问题的对称解

针对一类矩阵方程系统(A XB,C XD)=(E,F)的最小Frobenius范数问题的对称解提出了一种迭代求解方法,并分析了其相应性质.对于任意的初始对称矩阵,运用此方法经过有限步迭代能得到矩阵方程系统在最小Frobenius范数意义下的一个对称解.如果选取特殊形式的初始对称矩阵还能得到原问题唯一的最小范数对称解.数值仿真说明了此方法的有效性.     

两个数的平方差问题

主要给出了正整数可表以及本原可表为两个数平方差的充要条件 ,同时给出了它的一个重要性质     

二元二次样条曲面拼接问题

运用光滑余因子方法研究了定义在2个不相交的闭多边形区域上的二元二次样条曲面的光滑连接问题,并且给出2个例子,它们表明2个二元二次样条曲面能否实现光滑连接取决于连接区域所采用的剖分.     

一类线性函数约束最值的求法

给出一种求球面上线性函数最值的方法———数量积法 ,并将其推广至椭球面及n维空间中广义椭球面上     

带有基数约束的指数跟踪问题及其粒子群算法求解

随着指数衍生产品日益受到重视,指数化投资组合常被传统的消极基金管理者或机构所采用,而用有限的资金按指数构成比例进行投资显然是不现实的,所以指数的最优误差追踪就显得更加重要。将追踪误差定义为证券投资组合收益率与所追踪的指数基准收益率之差的均值平方和的平方根,建立了基数约束(即总资产数不超过某个特定整数K)下的跟踪误差最小化模型。由于引入显示的基数约束使得该模型是一个非线性混合整数规划问题,传统算法难以有效求解,为此设计了一个粒子群算法求解基数约束下的指数跟踪模型,实际算例表明,算法是有效的。     

几类数的平方和问题

给出了四类数的平方和问题 ,并给出几个新结果 .     

多变量滑动平均模型参数估计两段最小二乘法

提出了多变量滑动平均(MA)模型参数估计的两段最小二乘法。第一段将多变量MA模型用高阶多变量自回归(AR)模型近似代替,用多变量递推最小二乘法(MRLS)估计高阶AR模型参数。第二段用最小二乘法解不相容矩阵代数方程组得MA参数估值。同多变量递推增广最小二乘法相比,可提高精度,仿真例子说明了其有效性。