Hilbert空间中逼近广义均衡问题和有限族非扩张映射不动点集的公共解新的迭代方法

在Hilbert空间中引入一种新的迭代方法,以寻找广义均衡问题和有限族非扩张映射的不动点集的公共元素,并证明了给出的迭代强收敛于变分不等式的唯一解,同时也强收敛于最小值问题的最优解.     

Hilbert空间中均衡问题与非伸展映像不动点的强收敛定理

在Hilbert空间中引入了一种新的粘滞迭代算法,用以逼近均衡问题解集与非伸展映像不动点集的公共元,证明了一个强收敛定理.     

关于一次函数和二次函数迭代的一些问题

通过计算机试验,对程序输出的结果和图形进行分析研究,以此探讨一次函数、二次函数迭代的一些性质.     

一种基于粒子群算法和Hopfield网络求解TSP问题的方法

针对Hopfield网络求解TSP问题经常出现局部最优解,将粒子群算法(PSO)与Hopfield神经网络结合,提出一种基于粒子群的Hopfield神经网络方法. 实验证实这种方法能够以更大概率收敛到全局最优.     

基于xy非线性梯度场磁共振成像研究

为解决非线性梯度成像中心分辨率低的问题,提出了一种基于xy非线性梯度场的成像方法,并讨论了非线性梯度场中心分布曲线对磁共振图像的影响. 研究结果表明,在半径r=1.5时,圆形中心分布曲线的图像重建结果最优;与O-Space技术对比实验表明,xy非线性梯度场在不同加速因子R下都得到了更好的重建结果.      

动态调节模型的最小二乘迭代辨识方法

为了改进参数估计精度,利用递阶辨识的交互估计理论,提出了辨识动态调节模型的最小二乘迭代辨识方法。其基本思想是:在每步迭代计算中,将信息向量中或信息矩阵中不可测噪声项用其估计值代替,而噪声估计值又是用前一次迭代参数估计进行计算的,二者执行了一个递阶计算过程。与流行的递推广义最小二乘算法相比,提出的迭代算法在每一步计算中,同时利用了系统所有量测数据信息,因而具有更高的参数估计精度和更快的收敛速度。进行了仿真计算。     

一种空间信道模型的产生算法

提出了一种应用于移动通信中多天线系统的空间信道模型产生方法。这种方法基于Jakes模型，同时考虑时延扩散、多普勒效应、以及波达方向、角度扩散等多种信道参数，直接生成空间信道模型。它具有计算复杂度低，信道模型产生简便的优点，而且可以灵活的应用于各种角度扩散分布的情况中。仿真结果表明，这种方法产生的信道相关系数与理论值十分接近，能够较好的模拟多天线系统的空间信道。     

Banach空间中含m-增生算子方程的迭代问题

采用带误差的Ishikawa迭代,研究了形如z∈Sx +λAx( λ0)的非线性算子方程的近似解问题.     

带混合误差的随机Ishikawa迭代程序

在一致光滑可分Banach空间中,针对随机强伪压缩算子T构建了带混合误差的随机Ishikawa迭代程序,并证明了在某些条件下,此随机迭代序列强收敛于T的一个随机不动点.     

推广的四素数方次和问题

用圆法研究了一个整数表为三个素数的平方与一个素数的k次方之和问题,推广了刘建亚关于四素数平方和问题的结论.该文得到例外集E(N)N12-25×4k-1 ε.