机器人的自适应神经全局滑模轨迹跟踪控制

针对具有不确定性的机器人系统,提出一种自适应神经全局滑模轨迹跟踪控制方案.控制器采用一种新的全局滑模面,使得系统在整个响应时间内都具有鲁棒性;并基于径向基函数神经网络自适应学习不确定性的未知上界,从而自适应调整控制律的切换增益.而且基于Lyapunov稳定性理论证明这种新型控制器能够保证机器人系统关节角位置矢量和角速度矢量的跟踪误差渐近收敛于0.仿真结果表明提出的控制策略能够使机器人系统仅在0.5 s内就实现快速的轨迹跟踪,可见该方案是可行且有效的.     

一类带Holling-IV型反应函数的捕食-食饵模型的全局分歧

研究了一类带 Holling-IV 型反应函数的捕食-食饵模型在齐次 Neumann 边界条件下的平衡态解的存在性。首先,通过谱分析法得到常数平衡解的稳定性结论;其次,在1维的情况下,利用局部分歧理论得出在常数解处可以产生局部分歧;最后,利用全局分歧理论证明该局部分歧可以延拓为全局分歧,其连通分支伸向无穷。     

一类具Holling-Ⅲ型和Beddington型功能性反应的非自治捕食系统的持续生存性与周期解

讨论了一类具Holling—Ⅲ型和Beddington型功能性反应的食饵-捕食者非自治系统,获得了其存在唯一、全局渐近稳定周期解的充分条件．     

非线性约束条件下的共轭投影梯度法

针对非线性等式和不等式约束优化问题,结合罚函数法,提出了一个共轭投影梯度法,在适当的假设条件下,证明了该方法的全局收敛性,由于使用了目标函数的二阶导数信息,该算法的超线性收敛速度也能得到保证,数值结果表明,该算法是有效的。     

一个求解约束全局优化问题的单参数填充函数方法

构造了求解约束全局优化问题的一个新的填充函数,分析了该函数的分析性质,设计了一个基于该填充函数的全局优化算法.数值试验表明该算法是有效的.     

分布式全局频繁项目集的快速挖掘方法

针对传统的分布式全局频繁项目集挖掘算法存在大量的候选项目集，且求全局频繁项目集的网络通信代价过高等问题，提出了一种分布式数据库的全局频繁项目集快速挖掘算法（FDMA）．该算法改进了频繁模式树（FP-树）的结构，将双向FP-树改为单向，每个节点只保留指向父结点的指针，减少了指针数，由此可节省1／3的树空间；同时通过传送用3个很小的数组表示的被约束子树，在此挖掘全局频繁项目集的过程中不再生成大量候选项目集或条件FP-树，从而减小了网络通信量，提高了挖掘效率．实验表明，所提算法的挖掘速度比传统的分布式数据库数据挖掘算法至少提高了1倍之多，随着数据库规模的增大，它的扩展性将更好．     

一类非线性时滞细胞神经网络稳定性分析

研究了一类常时滞细胞神经网络的全局渐近稳定性.通过构造适当的Lyapunov-Krasovskii泛函,利用线性矩阵不等式(LMI)得出了全局渐近稳定性判据.数值的例子验证了方法结果的有效性.     

无约束优化问题的稀疏拟牛顿法

对无约束优化问题提出了一种稀疏拟牛顿法,算法在每次迭代中运用拟牛顿方法的思想确定其搜索方向,采用非精确线性搜索确定步长,在通常的假设条件下,证明了算法的全局收敛性和线性收敛速度.     

一类混合整数规划问题的全局最优性充分条件

研究了带箱约束混合二次规划问题的全局最优性条件,利用全局次微分(L-次微分)方法。建立了带箱约束混合二次规划问题的全局最优性的一个充分条件.     

一类具时滞双阈值二元离散神经网络模型的全局指数渐近稳定性

研究了具正自反馈双阈值二元离散神经网络模型的动力学性质.对设定的阈值范围,证明了模型的平衡解是全局指数渐近稳定的.