具有Elitist选择的遗传算法的收敛速度估计

模拟进化计算是近年来信息科学、人工智能与计算机科学的“热点”研究领域,而由此派生的遗传算法是一族通过模拟自然进化过程搜索最优解的方法。其基本思想源于60年代,Holland在研究机器学习过程中,受达尔文进化论——适者生存的启发,而获得的一种概率搜索算法。该方法在早期作为一种自适应机器学习方法,而近几年在解全局优化问题、人工神经网络的训练与结构优化、程序设计自动化中的查错处理等方面已取得成功的应用,显示了非常广泛的应用前景。     

多波形信号发生仪中正弦波形的进化策略

提出了一种新的进化策略,并用于多波形信号发生仪中正弦波形逼近的优化设计。该方法的主要优点是实现了优化、运算量小、通用性强。通过模拟计算验证了该方法的有效性。     

分裂型单调迭代方法及其在微分方程组边值问题的应用

本文运用新的分裂型单词迭代方法研究了微分方程的数化解，由计算机验证其结果表明其方法是可靠和有效的．     

一种新的正态分布实例的贝叶斯分类算贩

用正态分布密度函数逼近条件概率的方法,构造出一种新的贝叶斯算法,对服从正态分布的实例进行分类.大量算例验证了该算法的分类有效性,它可以应用到求解各种数据挖掘问题.     

基于子空间的MMSE群盲多用户检测算法

针对CDMA上行链路系统中,基站已知小区内用户的扩频码而对小区外用户扩频码未知的情况,提出一种基于子空间方法的最小均方误差(minimum mean square error,MMSE)群盲多用户检测算法。该算法利用所有已知的扩频码有效消除了多址干扰,采用改进的紧缩近似投影子空间(projection approximation subspacetracking with deflation,PASTd)跟踪算法实现信号子空间的自适应跟踪,提高了收敛速度。仿真结果表明,所提算法收敛速度快,输出信干噪比和误码率性能优于PASTd盲多用户检测,逼近奇异值分解(singular value decom-position,SVD)群盲多用户检测,并保持了较低的计算复杂度。     

进化计算中的精英个体产生策略

初始种群是影响基因表达式编程算法（GEP）的重要因素之一。提出了精英个体产生策略,产生具有较高的适应度的精英个体,使种群从一个较高的基础上开始进化,从而提高种群的进化效率。在此基础上,提出了综合精英个体产生策略和基因空间均匀分布策略优点的综合种群产生算法。实验表明,精英个体产生策略可以提高进化效率17%,综合算法可以更加有效地提高系统的进化效率。以上算法的思想还可以应用于其它进化计算中。     

一类具重特征的半线性方程的奇性传播

本文讨论一类具重特征的算子的半线性方程的奇性传播,使用的方法是仿照Beals 和Reed 研究严格双曲型半线性方程的奇性传播的方法(见1982年理论数学与应用数学通讯35卷),得到了来相应的结果.     

单调Brown方法与单调拟Newton方法的比较

将单调Ｂｒｏｗｎ方法与单调拟Ｎｅｗｔｏｎ方法进行了比较，结果表明，单调Ｂｒｏｗｎ方法比单调拟Ｎｅｗｔｏｎ方法收敛速度快。     

解非线性方程组的同伦延拓—球形迭代法

本文建立了解非线性方程组的同伦延拓——球形迭代法,利用同伦延拓和球形算法的技巧,企量地给出了一类非线性算子方程的跟踪路经问题,证明了收敛性.