求解无约束优化问题的一种混合共轭梯度法

文章给出了一个改进的共轭梯度公式及新公式的相关性质,新公式和DY公式结合得到一个混合共轭梯度法,新算法在Wolf线搜索下产生一个下降方向;并证明了算法的全局收敛性,给出了数值例子.     

一类基于非单调信赖域技术的信赖域修正算法

基于传统信赖域算法,为了解决约束最优化问题,利用非单调信赖域技术调整信赖域半径,矫正罚参数,提出了一种信赖域的修正算法,给出了收敛性证明.数值实验表明了算法的有效性.     

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.     

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.     

无界随机集关于条期望的收敛性及其应用

在一定条件下，本文给出了无界随机集序列关于条件期望的弱上极限Ｆａｔｏｕ引理，由此还得到了无界随机集序列在Ｋ－Ｍ收敛性意义下的控制收敛定理和单调收敛定理。最后将上述结果应用于被积函数的图收敛性和积分原函数的收敛性。     

关于ЛЯПУНОВ稳定性定理

运用ЛЯПУНОВ直接方法,研究了时变动力系统的部分变元稳定性,得到了几个部分变元稳定和一致稳定的更一般的判定准则,推广了前人的有关结果。     

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。     

三阶线性跟踪-微分器的收敛性证明及仿真研究

首先给出了一种三阶线性跟踪微分器的结构形式，然后从连续和离散两个方面证明了其收敛性，为其实际应用提供了理论依据。通过仿真研究表明，这种线性跟踪微分器具有较好的跟踪能力和较高的跟踪精度，适用于高速跟踪系统。     

正则长波方程的一个新的差分逼近

考虑具有齐次边界条件的正则长波方程的有限差分方法,构造了一个3层非线性的隐式差分格式,该格式合理地模拟了初边值问题的守恒性质,得到了差分解的先验估计,并利用离散泛函分析方法分析了该格式的收敛性与无条件稳定性,从理论上得到了收敛的阶为O(τ2+h2).数值实验表明,该方法是可信的.     

工业过程控制系统迭代学习算法的增益确定

应用频域和时域（非状态空间法）相结合的方法对简单工业过程控制系统迭代学习算法进行了收敛性分析,在频域得出了用系统参数显示表示的收敛性条件,避免了收敛条件的验证对系统时域模型参数的依赖性,使验证更简洁,用平方积分鉴定法确定了首次学习时误差平方积分最小意义下学习增益的最优值,明确了学习增益选取的目标,数字仿真表明：所确定的学习增益不仅是最优的,而且相应的迭代学习控制能显著改善控制系统的动态品质。