求分圆多项式近似根的遗传算法

新提出的求分圆多项式近似根的遗传算法,是取m个个体,在初始群体中随机产生m个初始点,再用适应度函数1/(1 |f(x)|)计算个体适应度,对种群进行选择、交叉、变异操作,将适应度好的个体组成下一代群体,直到达到规定近似根的个数和精度,就输出结果.该算法采用动态自适应技术、重新启动法、多项式除法等措施进行优化,可以有效地防止出现未成熟收敛问题.该算法在求分圆多项式的近似根方面是可行的,并取得比较好的效果,为判定一个多项式是否分圆提供了一种新方法.     

多项式方程根的求解方法

利用根轨迹理论和对分法系统地给出了多项式方程求根的方法,且该方法无须任何条件。     

一类同时求多项式全部重根的新的迭代方法

本文推导一类同时求多英式全部重根的新的迭代方法，分析该方法的收敛性质以及迭代参数之间的关系，并给出若干算全     

多项式根的界限的一个判定方法

由矩阵特征值的性质给出多项式根的界限的一个方法。     

拟多项式根的数目

本文讨论拟多项式根的数目，结果表明，关于多项式的布丹定理和笛卡儿符号规则，经改进后对拟多拟多项式仍然有效。除此之外还研究了拟多项式组的公根，并得到了拟三项式的判别式。     

多项式矩阵根及其应用研究

本文在引用源根表达多项式矩阵根基础上，介绍了多项式矩阵根的性质和多项式矩阵根的简便求法，并结合实例研究了多项式矩阵根在解题中的应用。     

关于根幂为根的多项式

设n次多项式f(x)的n个根为a1,a2…an,k为正整数，设φ（x）的n个根为a1^k,a2^k…,an^k，本文得到了φ（x）的两个表达式。     

多项式根的分布

本文以复变函数论中的 Rouche 定理为基础,给出了有关多项式根的分布规律。Rouche 定理:若 f(Z)与 g(Z)在封闭曲线 C 内及 C 上都解析,又在 C 上有|g(Z)|max{1,(|a_(n-1)| |a_(n-2| … |a_1| |a_0|)/|a_n|}令 f(Z)=a_nZ~n,g(Z)=a_(n-1)Z~(n-1) a_(n-2))Z~(n-2) … a_1Z a_0 由有关 R 的假设可得:|a_(n-1| |a_(n-2| … |a_1| |a_0|<|a_n|R 即(|a_(n-1)| |a_(n-2)| … |a_1| |a_0|)<|a_n|R~n由于 R>1及在 C 上|Z|=R,所以,|a_(n-1)Z~(n-1) a_(n-2)Z~(n-1) …… a_1Z a_0|<|a_nZ~n|也就是说,|g(Z)|<|f(Z)|,因此 f(Z)与 f(Z) g(Z)在 C 内(|Z|相似文献   

拟阵特征多项式的根

研究了拟阵特征多项式的根,证明了无环拟阵的特征多项式的根1的重数等于该拟阵连通支个数;并考虑了根2的情况。     

广义高阶Bernoulli多项式和广义高阶Euler多项式的关系

利用发生函数的方法得到了广义高阶Bernoulli多项式和广义高阶Euler多项式之间的关系,并由此得到了一些特殊情况包括高阶Bernoulli多项式和高阶Euler多项式之间的关系.     

多项式矩阵根的再研讨

在引用源根研究复数域上多项式矩阵根的性质及求解方法的基础上，引用Jacobson型源根、Frobellius型源根，进一步研究了实数域R、有理数域Q上多项式矩阵根的性质，并给出了实数域R、有理数域Q上多项式矩阵根的求解方法。     

关于高阶Euler多项式和高阶Bernoulli多项式的计算公式

本文给出了能简捷地计算出高阶Ｅｕｌｅｒ多项式的计算公式．     

一元实系数多项式方程实根的求解问题

对于一元实系数多项式方程的求根问题，提出了一种实用的数值解法，对一般的牛顿迭代法进行了改进和完善。研究了5次以上多项式方程在整个实数域中的根的求解有迭代快速逼近的问题。     

基于进化策略的K-means聚类算法

针对K-means聚类算法易陷入局部极小以及K值选取的问题，提出一类基于进化策略的聚类算法，可以有效地搜索最优聚类中心和聚类个数K；还提出了确定K值范围的经验公式，以减小搜索空间，提高搜索效率，并给出了理论分析．相对遗传算法而言，本方法鳊码简单，种群较小．对Fishers iris数据集的仿真实验表明，该方法得到最优解的可能性比经典算法大得多．     

一种同时求解多项式重根的迭代方法及其收敛性

本文给出一种三阶收敛的同时求解多项式重根的迭代方法,并分析该分法收敛的初始值条件,我们也给出算例。     

具有非零根的多项式可约性的一个刻划条件

设P为任一数域 ,f(x)为P上的任一n次多项式且没有零根 ,给出了 f(x)在P上的可约性的一个刻划     

基于并行优进策略的差分进化算法

差分进化算法是一种新颖的进化计算技术,为减少用户选择算法控制参数的盲目性和提高算法收敛速度,设计了一种基于并行优进策略的差分进化算法（DEPES算法）．算法随着搜索过程的进行随机动态调整缩放因子和选取差分进化模式;在进行差分操作的并行运算过程中,利用当前代最优个体产生新的试验向量参与竞争选择过程．几个复杂函数的数值实验结果表明,DEPES算法寻优效率高、收敛速度快、对初值具有很强的鲁棒性、对维数具有较好的适应性,尤其是具有避免局部极小的能力,其优化性能优于标准DE算法．     

多项式实根的分布及求所有实根的算法

利用多项式实根的分布及计算孤立区间的算法 ,可计算出多项式的所有实根     

说话人辨认中基于进化策略的最大互信息训练方法

针对最大似然训练分辨能力的不足，把最大互信息训练方法引入到高斯混合模型（GMM）的训练中，并直接采用进化策略实现模型参数的全局训练，以模型与训练数据之间的互信息作为进化过程中个体的适应度。该系统不仅分辨能力强，而且摆脱了局部搜索的缺陷。实验结果表明，这种方法生成的说话人辨认系统的识别性能要优于传统的期望最大化算法（EM）生成的系统。