基于进化规划算法的背包问题求解研究

背包问题是一个具有较强应用价值的NP完全问题.如何设计求解此类问题的算法,则具有很强的实用价值和理论意义.目前已有很多的求解方法,但背包问题并没有完全解决.本文在启发式算法的理论基础上,改进了进化规划算法求解背包问题,此方法简单通用、易于操作.数值实验表明该方法具有较高的准确率,能较快的收敛到全局最优点.     

Rosenau-RLW 方程的加权守恒差分格式

本文对Rosenau-RLW方程初边值问题的数值解法进行了研究,提出了一个三层的加权差分格式,该格式较好地模拟了方程的守恒性质.然后本文讨论了差分解的存在唯一性,给出了差分解的先验估计和误差估计,并利用能量方法分析了该格式的二阶收敛性、无条件稳定性.数值算例验证了格式的可靠性,并且适当调整加权系数还可以提高计算精度.     

迫敛性定理的几个应用

本文讨论了如何利用迫敛性定理去判断函数列的一致收敛、当x→∞时的二元函数一致收敛、当x→a时的二元函数一致收敛、含参变量无穷限积分的一致收敛、函数项级数的一致收敛等五个方面的应用.     

线性微分方程幂级数解的收敛半径

给出微分方程Ｙ″＋Ｐ（ｘ）ｙ′＋Ｑ（ｘ）ｙ＝０的幂级数解ｙ＝∑ｎ＝０＾∞ａｎ（ｘ－ｘ０）＾ｎ其系数满足二项递推公式ａｎ＋ｐ＝ｆ（ｎ）ａｎ的收敛半径的求法。     

延迟离散Hopfield-型网络广义异步收敛性分析

给出了延迟离散Hopfield -型神经网络的收敛性定理。在广义异步运行方式下 ,证明了对称连接权阵 (只要w0 对称 )条件下的收敛性定理 ,推广了已有的延迟离散Hopfield -型神经网络的收敛性结果 ,表明网络收敛滞后于能量函数收敛最多 2n 1步。最后给出了能量函数的极大值点与延迟离散Hopfield -型神经网络的稳定态的关系。     

基于卡尔曼滤波的二次型神经网络学习算法及收敛性分析

提出了二次型多层前馈神经网络的卡尔曼滤波学习算法,并证明了该算法的收敛性。与文献［２,３］中的学习算法和经典的误差反向传播学习算法相比,新的学习算法具有更快的学习速度、良好的泛化能力,并且对学习率有很好的鲁棒性,不容易陷入局部极小点。仿真实验结果表明了新算法的有效性。     

Benjamin-Bona-Mahony方程的一个高精度线性差分格式

本文对一类带有齐次边界条件的Benjamin-Bona-Mahony方程的初边值问题进行了数值研究,提出了一个理论精度为O(τ~2+h~4)的三层线性差分格式,并利用能量方法分析了该格式的收敛性与稳定性.该格式合理地模拟了原问题的一个守恒性质.数值实验表明该方法是可靠的.     

p型Banach空间B值随机元序列加权和的收敛性

设B是实可分的p型Banach空间,{Xni,Fni;un≤i≤vn,n≥1}是B值随机元序列,{ani;un≤i≤vn,n≥1}是实数序列.研究了∑vni=unaniXni的收敛性,推广并改进了已知的结果.     

论非线性ABS算法的半局部收敛性条件

本文讨论了非线性ABS算法的半局部收敛性,并给出了一个比现有文献中的条件要弱的收敛性条件。     

线性约束优化问题的一类变尺度方向的内点算法

基于内点算法思想，利用投影技术，给出了求解线性约束优化问题的一类变尺度方向内点算法．改善了算法的收敛速度．同时，在去掉目标函数的凸性及Ｌｉｐｓｃｈｉｔｚ性假设之下，同样给出了算法的收敛性定理