高斯牛顿算法在求解广义互补问题中的应用

本文将广义互补问题转化为一个非线性方程组问题,然后建立了GCP问题的无约束优化问题的转化形式,对该优化问题,用两种步长下的阻尼高斯牛顿算法来求解,并给出了两种情况下算法的全局收敛性.     

仿真网格中预防死锁的资源分配方法及其仿真分析

仿真网格中资源协同分配是资源组织和调度的一个重要组成部分,如何避免仿真应用之间的死锁是资源协同分配过程中需要解决的重要问题。通过对仿真网格中死锁原因的分析,对死锁的特点进行了描述。根据解决死锁问题的不同策略,提出了仿真网格中基于原子事务预防死锁的资源协同分配方法,并根据应用的不同资源分配方案给出了具体算法。通过理论分析并结合仿真试验研究了该算法在资源协同分配过程中的性能,试验证明使用该方法不仅能够避免应用资源分配过程中的死锁,与其它方法相比,还能获得好的资源分配性能。     

一类拟牛顿算法的收敛性

根据一类基于新拟牛顿方程Bk 1sk=yk*的修改BFGS类算法,采用广义W olfe线搜索模型(GW搜索模型):f(xk 1)≤f(xk) δkαgTkdk和g(xk 1)Tdk≥m ax{,σ1-(kα‖dk‖)p}gTkdk,其中0<δ≤σ<1,p∈(-∞,1),得到一类修正的BFGS算法(M BFGS),证明了M BFGS算法的全局收敛性和超线性收敛性.数值试验结果表明M BFGS算法是有效的.     

非线性离散竞争系统的全局稳定性

考虑一类非线性离散的Lotka-Volterra竞争系统,通过构造适当的Lyapunov函数,得到了保证该系统全局渐近稳定的充分性条件,并给出该结果在一类二维竞争系统中的应用.     

环境质量评价中的主成分分析与全局主成分分析方法

给出在环境质量评价中对即时性平面数据的主成分分析方法与对多维动态数据系统的全局主成分分析方法,着重介绍了对时序立体数据表进行立体式的综合与简化,并应用于具体的实例,得到很好的结果.这两种方法对环境质量的评价和治理工作都有积极的指导作用与重要的应用价值.     

局部核方法及其应用

核方法是机器学习中一种强有力的学习算法.多个领域的实践表明，通过将领域知识嵌入到核函数中，一般会得到比较好的学习效果. 从微分流形的观点讨论了机器学习中全局信息与局部信息的关系，并提出了一种嵌入局部有意义信息的核方法.文本分类的实验结果表明，与其它几个分类算法相比，它具有较高的性能.     

广义分离变量非线性非自治系统的部分变元全局稳定性

利用一般分离变量Lyapunov函数方法 ,讨论了一类非线性非自治系统的解关于部分变元的全局稳定性 ,得到了保证平凡解关于部分变元全局稳定的几个充分性条件     

带扰动项微分方程零解稳定性定理的推广

运用李雅普诺夫第二方法研究扰动微分方程零解稳定性，得到若干定理，这些定理推广了么秉春在《数学年刑》(A辑)1990年第5期上的相应结果。     

非线性系统的积分变结构间接自适应模糊控制

讨论了一类不确定非线性系统的间接自适应模糊控制问题 .基于变结构控制原理 ,并利用具有线性可调参数的模糊系统去逼近过程未知函数 ,提出一种具有监督控制器的积分变结构自适应模糊控制方法 .该方法通过监督控制器保证闭环系统所有信号有界 .进一步通过引入最优逼近误差的自适应补偿项来消除建模误差的影响 .理论分析证明了跟踪误差收敛到零 .仿真结果表明了该方法的有效性     

蚁群算法的全局收敛性研究及改进

针对蚁群算法(ACA)寻优性质优良,但搜索时间长、收敛速度慢、易限于局部最优解,从而使其进一步推广应用受到局限的问题,对算法的全局收敛性进行了深入的理论研究,并从改善全局收敛性的角度对算法作了一系列改进,最后对Bayes29这一典型的TSP问题进行了仿真实验。实验结果证明,改进后的蚁群算法具有很好的全局收敛性能。这为蚁群算法的进一步理论研究打下了很好的基础,对其在各优化领域中的推广应用具有重要意义。