一种针对收敛性问题的改进进退法及其仿真验证

进退法是最优化方法中一种常用且简单的一维单峰试探搜索算法.针对进退法的收敛性和收敛速率展开研究,在讨论了进退法的算法原理及其实施步骤的基础上,针对原算法在某些情况不收敛的问题,提出了一种改进的进退法,将原算法每次进退迭代中的转向步长变为与前一步长和迭代次数有关的函数, 这样可以克服原算法不收敛的缺点.通过严格的理论推导证明了改进进退法的正确性,并利用实例仿真验证了其有效性.结果表明:进退法收敛速率不稳定,依不同初始参数而不同,改进进退法以降低收敛速率为代价而保证收敛性.     

空间分数阶扩散方程的隐式高精度方法

在有限区域内考虑具有初边值问题的Riesz空间分数阶扩散方程,传统扩散方程中的二阶空间导数由Riesz分数阶导数α(1<α≤2)代替就得到Riesz空间分数阶扩散方程.我们提出一个在时间和空间都具有二阶精度的隐式方法,这个方法基于古典的Crank-Nicholson方法与空间外推方法,该隐式方法是无条件稳定和收敛的.最后给出一些数值例子来证实格式是高阶收敛的,此技巧可应用于解其它分数阶微分方程.     

Rosenau-Burgers方程的一个新的差分方法

从动力学系统的实际问题出发,针对Rosenau-Burgers方程的初边值问题进行了数值研究,揭示了复杂离散动态系统理论中非线性波耗散问题. 在方程求解的时间和空间区域,采用网格化方法,提出了一个新的三层隐式差分格式,对差分解进行了先验估计,并给出了该格式的稳定性和收敛性的严格理论证明. 数值实验的结果表明,差分格式简单而有效、计算速度快、稳定性好,并且差分格式使用了加权方法,使其具有普遍意义和推广价值.     

一类超线性收敛的投影非拟牛顿算法

本文将梯度投影与非拟牛顿法相结合，给出了一类求解线性约束非线性规划问题的新算法。在一定的条件下，证明了该算法的全局收敛性和超线性收敛性。     

非线性规划的一个超线性收敛算法

本文利用系列二次规划技术,给出非线性规划问题min{f(x)lA_1x=b~1,A_2x=b~2}的一种可行方向法。在一定的假设下证明了算法的全局收敛性和超线性收敛速度。     

线性热传导方程差分解的长时间行为

对带Dirichlet边值条件的线性热传导方程初边值问题采用两层差分离散格式生成的离散动力系统,证明了离散系统在L2(Ωh)和H10(Ωh)上吸引集的存在性,并得出离散系统解的长时间稳定性与收敛性.     

求解一类二阶锥规划问题的神经网络及应用

考虑了一类二阶锥规划问题.利用两个光滑函数分别将二阶锥约束转化为光滑的凸约束,提出了求解这类二阶锥规划问题的两个新神经网络,并在适当的条件下证明了提出的神经网络是Lyapunov稳定的,且以任意精度收敛到原问题的解.数值实例说明了两个新神经网络的有效性.     

次梯度外梯度方法求解随机变分不等式

随机变分不等式在供应链网络、交通运输和博弈论中具有广泛的应用。提出基于次梯度外梯度的随机逼近方法求解随机变分不等式,将矫正步的投影改投在半空间,以此来减少计算投影的代价。在适当的假设下,证明了所提出的算法具有全局收敛性。     

一种求解非线性规划问题的改进遗传算法

基于惩罚函数的思想，提出了沿权重梯度方向变异的遗传算法求解非线性规划问题。该方法既避免了惩罚函数法在计算上的困难。也无需传统遗传算法所要求的复杂的编码和译码过程。给出了收敛性分析，一些实例的仿真结果表明算法的有效性。     

线性模型参数M估计的强收敛速度

研究了线性模型中回归参数M估计的强收敛性，与《线性模型中的M方法》（陈希孺，赵林城，上海：上海科学技术出版社，1996）中相应结论比较，在一般性条件下获得了强收敛性的结果，而且，这里给出的条件对矩的要求有较大的改进。