基于AEPSO优化的神经网络多步预测控制

为提高神经网络预测控制的性能,提出了基于自适应扩展粒子群优化的神经网络预测控制方案。基本PSO算法中,每个粒子的更新受粒子个体极值和局部极值的影响,为了提高其全局收敛性,采用多粒子策略,使每个粒子的更新受更多其他粒子的影响;为提高收敛速度,采用自适应策略,对参数c0进行自适应调整,使c0随着迭代次数的增加而逐渐减小,这样,在PSO算法的搜索过程中,随着迭代次数的增加,搜索区域会越来越小,从而加快PSO算法收敛速度。运用该算法实现神经网络预测控制中的滚动优化,在有限时域内对控制序列进行寻列,给出基于粒子群优化的神经网络预测控制系统的稳定性证明。仿真结果表明,基于粒子群优化的神经网络预测控制系统具有良好的跟踪性能。     

广义几何规划一个超线性与二次收敛算法

建立带等式与不等式约束的广义几何规划一个新的快速收敛算法,算法的搜索方向由一个二次规划和一个线性方程组的解产生,效益函数为广义精确罚函数．在适当的条件下证明了算法的全局收敛性、超线性收敛性与二次收敛率．     

一类模型参数自适应修正算法的分析及改进

通过一个实际的热轧带钢卷取温度控制系统,提炼出一套模型参数自适应修正算法,进而分析了它的特点及收敛性,认为这种参数自适应修正算法并不能保证参数收敛于所希望的值,这是造成带钢卷取温度控制精度产生波动的一个原因。提出了改进方案,使之成为适于实际应用的控制方法。     

一种改善Turbo码选代译码收敛特性的方法

Turbo码可为数字通信系统提供接近信道容量的纠措能力，其迭代译码算法的收敛稳定性是算法能否实用的关键因素之一。针对短长度交织器对随机错误扩散能力弱带来的迭代收敛稳定性差的问题，在Turbo码的常用迭代译码方法的基础上加以改进，利用前后两次迭代序列的信息熵引入选代进步因子以发送迭代译码的收敛特性。给出了迭代步进因子的产生方法并进行了计算机仿真，仿真结果表明，该方法可有效改善短交织长度时Turbo码的迭代泽码收敛特性。     

数项级数审敛的思路与技巧

本文通过典型例题的求解与评析,探讨了级数敛散性的解题思路与技巧,对学生判定数项级数敛散时经常出现的错误与问题,提出了具有针对性的解决方法。     

带重尾分布的高速网络交通过程

考虑网络交通模型包括了无穷个顾客一个服务台 ,顾客的初始到来是依泊松过程来到服务台 ,顾客的到达间隔服从重尾分布。将传送周期长度的概率数量指标从 1 <α<2推广到 α>1 ,获得了网输入交通过程收敛到斜平稳列维过程。     

求解多项式重零点的并行迭代方法

建立了一种至少4阶收敛的求解多项式重零点的并行迭代方法，分析并证明了相应的收敛性定理。     

φ混合序列部分和的完全收敛性质

研究一类较广泛的φ?混合序列概率极限性质.利用φ?混合序列的矩不等式和截尾的处理方法,获得φ?混合序列部分和的完全收敛定理,所得结论推广和改进了王学军等[4]关于φ?混合序列部分和的强大数定律结果.1     

两种改进的非线性方程组四阶迭代求解法

文章基于两点Gauss型求积公式,分别结合梯形积分公式和Adomian分解法构造了两种牛顿型迭代格式.借助泰勒展开式,文章证明了这两种迭代格式都具有四阶收敛,并通过数值实验例子验证这两种迭代格式的有效性.     

一种含参数的修正HS共轭梯度法及其收敛性

提出了一种含参数的修正HS共轭梯度法,该算法具有性质:1参数βBHSk不仅具有梯度值的信息还具有函数值的信息;2参数βBHSk是非负的;3其产生的搜索方向是充分下降的。在合适的条件下,证明了该算法在弱的Wolfe线搜索下具有全局收敛性,数值结果证明了该算法对于求解无约束优化问题的有效性。