基于负曲率方向的复数域共轭梯度法

共轭梯度法是优化大规模目标函数的一种经典方法.根据复梯度、复Hessian阵与实梯度、实Hessian阵之间的关系,将共轭梯度法推广到复数域,用于解决复数域的优化问题.针对共轭法的一些缺点,如每步迭代利用线性搜索来确定优化的步长及可能寻找到的极值点不一定为极小值等缺点,提出在Hessian阵不正定时利用负曲率方向作为搜索方向,利用实数域二阶导数简化思想,使寻找下降负曲率方向简单化,同时根据目标函数信息调节搜索步长,保持函数值单调下降.对该算法进行复数域优化数值仿真,结果表明:该算法与复数域的SCG算法及Quasi-Newton算法相比,计算较为简单且优化效果更优.     

代数阿基米德螺旋涡旋型线的研究

利用微分几何共轭曲面和法向等距曲线理论,证明了代数阿基米德螺旋线作为涡旋压缩机型线的可行性,并分析讨论了代数阿基米德螺旋型线的基本特点,为变截面涡旋压缩机的设计提供了一种新的方法,同时表明代数阿基米德螺旋型线的结构及受力均优于圆的渐开线,有较好的应用前景。     

高精度离散在二维快速多极子中的应用

文章将双共轭梯度一快速多极子(BICG-FMA)应用于二维电大导体的电磁散射问题,并对该算法进行了详细地分析,将近区作用采用零阶、二阶近似和数值积分3种不同方式处理.数值计算结果表明,近区采用二阶近似具有较高的精度和收敛速度,其计算精度与积分相当,而计算时间小于零阶近似,随着散射体电尺寸的增加,能更加有效地缩短计算时间.     

一类推广了的非线性Schr(o)tidinger方程初边值解的blow-up

研究一类推广了的非线性Schr(o)dinger方程的初边值问题ut-I△u=f(u,Dxu,D2u) △g(u),u(x,0)=u0(x),u | (σ)Ω=0.作为ut-iΔu=f(u,Dxu,D2xu)及ut-iΔu=-Δg(u)的推广,用特征函数法,在某些条件下,证明了此问题整体解的不存在性与有限时间blow-up.     

Wolfe线搜索下谱共轭梯度法全局收敛的一个充分条件

对Wolfe线搜索下谱共轭梯度法的全局收敛的充分条件进行了研究。首先在假设下降条件成立的前提下,找出使dTkgk≤βkdTk-1gk-1成立的一个条件;然后提出并证明了一般假设下谱共轭梯度法全局收敛的一个充分条件;最后,分析了充分条件的优越性并给出了两个推论。     

Modified Levenberg-Marquardt algorithm for source localization using AOAs in the presence of sensor location errors

In this paper,by utilizing the angle of arrivals （AOAs） and imprecise positions of the sensors,a novel modified Levenberg-Marquardt algorithm to solve the source localization problem is proposed.Conventional source localization algorithms,like Gauss-Newton algorithm and Conjugate gradient algorithm are subjected to the problems of local minima and good initial guess.This paper presents a new optimization technique to find the descent directions to avoid divergence,and a trust region method is introduced to accelerate the convergence rate.Compared with conventional methods,the new algorithm offers increased stability and is more robust,allowing for stronger non-linearity and wider convergence field to be identified.Simulation results demonstrate that the proposed algorithm improves the typical methods in both speed and robustness,and is able to avoid local minima.     

改进的差分自回归移动平均模型的共轭梯度参数估计法

为了提高差分自回归移动平均模型的拟合精度,本文结合已有的文献,借助无约束优化方法来解决此模型中的参数估计问题。主要提出了一种改进的差分自回归移动平均模型参数的优化估计法,并对提出的算法进行详细说明,在强Wolfe条件下对全局收敛性进行了证明。该方法保证了迭代计算的收敛性,并且提高了收敛的速度。数值试验结果说明:该算法是一种较为有效的方法,与其他方法比较,参数估计值更为显著,提高了预测精度。     

负多项分布的性质研究

负多项分布是一种推广的伯努利试验的概率模型,本文首先计算出负多项分布的特征函数,然后以特征函数为主要工具,研究了负多项分布的若干重要性质,具体包括数学期望、方差,同概率参数下相互独立的负多项分布的可加性,最后给出负多项分布取得概率的最大值点.     

具有可积系数的高阶J-自伴微分算子的本质谱

利用分析和算子的方法研究具有可积复系数的高阶J-自伴微分算子的本质谱,得到这类算子的本质谱分布情况.