动态外部性与城市群经济增长收敛的实证研究

区域经济收敛性一直是研究热点,动态外部性成为关注焦点.通过分析动态外部性与城市群经济空间收敛机理,构建动态经济权重模型,判断区域经济空间关联性.然后分析面板数据平稳性,结合动态空间面板模型,计算技术空间溢出水平,准确判定区域经济收敛性.最后,以环长株潭城市群例证该模型和方法的可行性,并得出:①空间外部性是影响经济收敛的主要因素,技术空间溢出是关键,SDM较好地描述了此收敛性;②使用SDM分析时必须确保面部数据的平稳性,剔除短期周期性误差对区域经济收敛性的不当影响;③空间权重受地理邻近、产业结构和市场潜能的交互影响,是动态的,且对经济收敛结果影响很大;④环长株潭城市群存在明显经济收敛机制,技术空间溢出效应较显著,仍需要进一步消除限制知识和贸易自由流动的行政壁垒和交通瓶颈促进城市群技术进步和经济协同发展.     

人工记忆优化算法

为了求解复杂函数优化问题,根据人类记忆原理构造出了具有全局收敛性的人工记忆优化算法. 在该算法中,每个记忆元对应着一个试探解; 将记忆原理的记忆和遗忘规律用于控制每个记忆元的状态转移; 记忆元的状态由与试探解相关的状态描述量以及记忆残留值构成,该值分为瞬时记忆、短时记忆和长时记忆三种状态类型,并依据记忆元接受刺激的强度被加强或衰减; 处在瞬时记忆、 短时记忆和长时记忆状态的记忆残留值衰减速度由快到慢,记忆残留值低于某个阈值的记忆元要被遗忘,不再被处理. 在记忆元状态转变过程中,记忆元从一个状态转移到另一个状态实现了对优化问题最优解的搜索. 该算法将试探解与记忆关联,使得试探解依据其质量好坏被自动分类; 处于长时记忆状态的试探解因其质量好,其部分变量的状态值将被传给其它质量差的试探解对应的变量,使其质量得到改善; 处于不同记忆状态的试探解交换信息时,只有很少部分变量进行状态信息交换,这样既可以使试探解的大部分变量的状态保持不变,又能使其质量得到改善,且可大幅减少变量处理个数,对于高维优化问题此举可大幅提高算法收敛速度; 随着演化的进行,质量差的试探解会不断被遗忘,被处理的试探解的数量会不断减少,因此,随着时间的推移,本算法的收敛速度将越来越快. 应用可归约随机矩阵的稳定性条件证明了本算法具有全局收敛性. 测试结果表明本算法的性能与现有的群智能优化算法相比,具有收敛速度快,求解精度高的优势.     

求解非线性互补问题的混合光滑型算法

光滑型算法已经成功地用来求解各种优化问题. 基于一类新的光滑函数族, 提出了一个带有混合线搜 索的光滑型算法求解非线性互补问题. 在适当的条件下, 证明了算法是适定的, 且保持全局 收敛性和局部超线性收敛性. 最后对提出的算法进行了数值计算. 数值结果显示出该算法的有效性.     

基于GaussNewton-NL2SOL法的前馈神经网络及应用

目前基于高斯牛顿法及其衍生算法的前馈神经网络虽然可以达到局部二阶收敛速度,但只对小残量或零残量问题有效,对大残量问题则收敛很慢甚至不收敛.为了实时解决神经网络学习过程中可能遇到的小残量问题和大残量问题,引入NL2SOL优化算法,并与GaussNewton法相结合,构建基于GaussNewton-NL2SOL法的前馈神经网络.仿真实例表明,该神经网络较好地解决了残量问题,具有良好的收敛性和稳定性.     

元胞蚂蚁算法的收敛性分析

提出一种新的优化算法，元胞蚂蚁算法，该算法将元胞自动机的邻居和规则引入传统的蚂蚁算法，实验结果证明该算法可行且有效，有良好的全局优化能力。定义元胞蚂蚁算法的求解迭代过程为一个概率测度空间中的随机算子，利用随机不动点理论，证明了该算子为连续压缩算子，存在唯一的随机不动点，从而给出了元胞蚂蚁算法的收敛性的论证，为算法奠定了相应的理论基础。     

非线性随机延迟微分方程Euler-Maruyama方法的收敛性

首先利用附近已有节点上的值通过插值对延迟项进行数值逼近,这是一种崭新的尝试;然后针对较一般情形下的一类非线性随机延迟微分方程初值问题,得到了带线性插值的Euler-Maruyama方法在均方意义下是收敛的理论结果,它部分推广了已有文献中的相关结论。     

一种信赖域遗传算法

针对信赖域方法求解多峰值优化不能收敛到全局最优的问题,提出了一种信赖域遗传算法,该算法将遗传算法和信赖域方法进行了结合。利用了遗传算法繁殖算子的随机性和信赖域方法求解二次优化问题的高效性,该算法能够克服信赖域方法的缺点同时能够有效求解一类欺骗性问题。最后证明了算法的收敛性,通过数值试验说明了算法的有效性。     

应用RKM与ADM求解一类四阶非线性微分方程

应用再生核方法与分解方法求解一类四阶非线性微分方程.同时给出了收敛性分析与误差分析.在文章的最后给出了相应算例.     

周期冲激函数与黎曼引理

证明了周期冲激函数展开所得到的傅里叶级数收敛于冲激函数，冲激函数不满足黎曼引理，因此由黎曼引理导出的傅里叶级数的性质不适合于周期冲激函数，对由黎曼引理推出的傅里叶级数的系数的性质进行了修正。     

伪Newton-B族算法对一般目标函数的收敛性

针对无约束优化问题,将Goldstein非精确线搜索技术引入伪Newton-B族算法.在假设目标函数f(x)二阶连续可微有下界,水平集L={x|f(x)≤f(x(1))}有界的条件下,证明该算法对一般目标函数的全局收敛性,得到一个条件更弱的结论.