一种量子化学有限元并行计算方法

利用有限元法计算了量子化学中双原子分子的Hartree-Fock-Slater方程,用八节点等参元来离散所要求解的方程,在计算离散后的广义特征值问题时,采用迁移式子空间迭代法来求解.本方法能以较高的精度和效率求得所需的前q维特征值和特征向量,具有编程容易、子空间维数低和占用内存少的优点.所提方法也适用于并行计算,并行程序是在微机机群系统上发展的,用SPMD(singleprogrammultipledate)模式在MPI(messagepassinginterfaces)并行编程平台上实现,MPI系统用于处理机群节点间的通信.给出计算两个双原子分子——BH分子和LiH分子基态总能量的数值算例,获得了较精确的计算结果,显示了本方法的优越性.     

快速计算分层粗糙面散射的FBM/SAA算法

为快速获取分层粗糙面的电磁散射特性,提出一种结合前后向迭代算法（forward-backward method, FBM）与谱积分加速法（spectral accelerate algorithm, SAA）的快速算法（FBM/SAA）,该算法的计算量和内存均与粗糙面离散剖分产生的未知量同量级（O(N)）。建立了分层粗糙面上关于未知电流分布的电场积分方程并采用矩量法（method of moment, MoM）将其离散为矩阵方程;在用FBM对矩阵方程进行迭代求解过程中,采用SAA技术加速计算矩阵和矢量乘积以快速求解;将FBM/SAA应用于三层媒质分层粗糙面的双站散射系数的计算,计算结果与传统MoM和FBM相一致,证明了算法的有效性;分析了粗糙面参数不同情况下算法的收敛性,比较了传统MoM和FBM/SAA所耗费的CPU时间。结果表明,在计算较长分层粗糙面的散射时,FBM/SAA具有明显优势。     

利用最优定轨算法鉴别弹道有源假目标

分析了弹道导弹突防过程中有源假目标航迹的运动学特性,指出和实体目标相比,真假目标运动学特性的差异是一种非显著性差异,这种非显著性差异可以体现在初始参数估计的残差上。对于实体目标而言,其最优估计的归一化残差为高斯分布,而假目标残差为非高斯分布,可以作为鉴别的依据。设计了初始参数的最大似然（maximum likelihood, ML）估计算法,采用Levenberg Marquardt (L M)迭代法进行求解,并利用估计残差设计了假目标的鉴别算法。该方法的优点是不仅可以鉴别假目标航迹,而且对真目标而言,该算法同时是最优定轨算法。仿真结果验证了算法的有效性。     

最速下降法的若干重要改进

为了研究结构工程分析中线性方程组解法,基于变分迭代法的思路和简化拉氏乘子的识别,构造了线性方程组求解的一种迭代格式——改进型最速下降法。为了提高改进型最速下降法的计算效率,引入松弛因子和预处理技术两种手段,同时把松弛因子引入原来的最速下降法中,使传统的最速下降法也具有了实用性和较好的收敛速度。设计两个算例分别验证了改进型最速下降法引入松弛因子和预处理两种手段以及对最速下降法引入松弛因子这三种算法的效率和稳定性,对于算例1,三种方法与传统高斯-赛德尔方法相比计算效率分别提高了444倍、533倍和444倍,与传统超松弛迭代法相比分别提高了28.3倍、34.2倍和28.3倍;算例2是个病态矩阵,传统的高斯-赛德尔方法和超松弛迭代法均计算不出结果。三种方法与最速下降法相比计算效率分别提高了29.6倍、38.2倍和20.8倍。算例数值结果表明,改进型最速下降法极大地提高了方程组的求解效率和稳定性,值得推广。     

改进的独立分量分析算法

对独立分量分析算法的基本理论和FastICA算法进行了简要介绍.传统的FastICA算法只具有二阶的收敛速度,为了提高独立分量分析算法的收敛速度,减少迭代次数和运行时间,提出了一种改进的独立分量分析算法——五阶收敛的牛顿迭代法.对牛顿迭代算法加以修正,使改进的独立分量分析算法具有五阶的收敛速度.图像信号分离仿真实验表明,改进算法与传统的FastICA算法在分离效果相当的情况下,明显减少了传统的FastICA算法的迭代次数和运行时间,提高了收敛速度和运行效率.     

定常化Chebyshev加速迭代法的收敛性质

讨论求解线性方程组的定常化Chebyshev加速迭代法,给出了该方法的若干收敛性条件,通过数值算例比较了Chebyshev加速定常迭代法与非定常迭代法的收敛速度,计算结果表明二者是相当的。     

解矩阵方程的一种多项式预处理技术

先引入多项式预处理技术,用一次插值多项式法构造出一个合理的多项式预处理矩阵并对矩阵方程进行预处理,这样不仅可以缩小矩阵的奇异值的分布范围,而且能达到改善其奇异值比的目的;然后给出了新的算法,并分析了该算法的收敛速率的估计式,此估计式表明,只要采用恰当的预处理技术就可显著地提高迭代法的收敛速度;最后给出了数值例子,结果说明经过预处理后的矩阵方程比原来的矩阵方程的收敛速度更快,这充分表明了矩阵方程在多项式结构的预处理矩阵下求解速度的优越性,也说明通过一次插值多项式的构造来选取预处理矩阵是可行的.     

城市物流中心单点选址模型优化及方案评选

为了解决城市物流中心单点选址问题,采用重心模型及经济分析法进行研究。构造初始重心模型,通过目标函数和资源点或需求的直线距离对模型优化;运用迭代法对优化模型求解,包括算法的自然语言描述和盒图表示的求解流程;运用费用现值法,构造现金流量图和评选模型,对求解得到的多个方案进行评选;针对实例对选址的全过程进行演练,得出最佳地址坐标和费用现值。结果表明:运用这种方法选址虽然准确性受到各种费用预测的影响,但仍比传统重心法具有明显的优越性。该成果对物流中心单点选址具有一定的参考价值,也可以推广到其他领域选址。     

块迭代解法在偏微分方程数值解中的应用

本文从偏微分方程定解问题出发,比较偏微分方程数值解的各种方法,针对大型稀疏的方程组的系数矩阵的块结构性质,提出将块迭代解法用于求解偏微分方程,从而有效地解决了该类问题。     

解大型线性方程组的轮换重新开始Krylov子空间方法

重新开始Krylov子空间方法(包括Galerkin法和最小二乘法)是求解大型线性方程组的一类流行和重要的方法。然而,这类方法容易在收敛过程中发生中断或停滞现象。为了解决这一问题,本文提出一种新的重新开始格式,称之为轮换重新开始格式。该格式的基本思想是通过轮流使用方程组系数矩阵与其转置矩阵来生成Krylov子空间。轮换重新开始Krylov方法的迭代残量容易在各个特征向量方向上取得大致相等的收敛量,从而使得收敛得到改善。数值实验结果表明轮换重新开始Krylov子空间方法能够有效解决收敛失败的问题。