改进的复值非高斯最大化盲源分离算法

复值非高斯最大化盲源分离算法的收敛速度,受其采用的反双曲正弦函数计算复杂度的影响较大,针对这一问题,提出了一种收敛速度更快的改进型复值非高斯最大化算法。该算法采用一个低计算复杂度的非线性函数替代原算法中的反双曲正弦函数。该函数的计算复杂度是反双曲正弦函数的三分之一。在相同条件下,基于该非线性函数的复值非高斯最大化盲源分离算法的收敛速度相比原算法提高了1倍左右,更适合于对接收信号进行实时处理,而且信号分离误差小,同时该算法同样适用于任意非高斯的常态和非常态信源。仿真试验验证了算法的有效性。     

模糊数空间中的收敛关系

研究模糊数序列{un}关于上确界度量,Skorohod度量,Lp型度量(1≤p∞)的收敛与水平收敛之间的关系。证明了:如果模糊数序列{un}的极限u是连续模糊数,那么模糊数序列{un}关于上述的四种收敛是等价的。     

不等式约束非线性规划的拉格朗日乘子的收敛

对于等式约束的非线性规划问题,一般的解决方法是在每次迭代中更新拉格朗日乘子且逐渐增大拉格朗日函数的惩罚因子,当罚因子充分大或充分接近局部最优解时,二阶充分条件是满足的;对不等式约束问题也采用了相应的方法.在凸的情况下,对于任意的罚因子或者在每次迭代中不要求精确极小化,就能全局收敛到最优解;证明了拉格朗日乘子是收敛的.     

NA行列阵的完全收敛性

在前人研究的基础上,证明了NA随机变量序列阵满足一定条件下的完全收敛性.根据这个定理得出两个推论,即NA随机变量序列阵在EXni1+λn□?,1≤i≤bn,n≥1条件下和NA随机变量序列阵由随机变量X控制的Toeplitz阵情形下的完全收敛性.     

求解一类HJB方程的非线性SOR迭代法

采用非线性SOR迭代法求解一类特殊的Hamilton-Jacobi-Bellman(HJB)方程,该迭代法可以看成为求解线性方程组的SOR迭代法在求解HJB方程上的推广.在一定条件下此方法具有单调收敛性.     

全站仪无定向自由设站隧道收敛测量方法与精度分析

全站仪无定向自由设站收敛测量外业操作简单,速度快,内业计算方便,精度较可靠,稳定性较好,精度提升空间较大。文中以一对测点为例进行了详细分析,并建议今后布设三对以上测点,以满足监护要求。     

基于改进灰狼优化算法的WSN覆盖优化

针对无线传感器网络（WSN）节点在随机部署时,存在分布不均匀的情况,从而导致覆盖率较低的问题,提出了一种改进的灰狼优化（GWO）算法.首先利用Tent混沌映射初始化种群,增加种群的多样性;其次利用改进的非线性收敛因子,平衡算法的全局搜索能力与局部搜索精度;最后将差分进化（DE）算法的变异、交叉的理念融入GWO算法,避免算法陷入局部最优,并提高算法的收敛速度.基本测试函数仿真结果验证了改进算法的有效性,随后将其应用于WSN覆盖优化问题,可以使节点的分布更加均匀,显著提高覆盖率,进而改善网络性能.     

一类收敛级数的余项估值的方法

在D'Alembert和Cauchy判别法基础上,用初等方法推出收敛级数的两个余项估值公式,从而给出了一类收敛级数的余项估值的方法.     

求解非单调变分不等式问题的修正惯性次梯度外梯度算法

变分不等式问题在经济金融、交通运输、数学规划、力学等领域都有着广泛的应用。 近年来,变分不等式问题受到许多学者的研究,且这些研究主要集中在求解单调或者伪单调变分不等式问题。 文章在实希尔伯特空间中,针对非单调变分不等式问题,提出了求解该问题的算法。 借助惯性原理和 Mann 型方法,构造了一个带 Armijo线性搜索的修正惯性次梯度外梯度算法;在没有 Lipschitz 连续性的假设下,证明了由算法产生的迭代序列强收敛于变分不等式问题的解,值得注意的是,定理的证明并没有要求映射的任何单调性假设;最后,给出了两个数值实验,阐明了文章算法的有效性和优越性,所得结果推广和改进了许多最新的结果。     

广义集值隐拟补问题解的存在性及迭代算法

本文讨论了一类比较广泛的广义集值隐拟补问题.它包括许多相补问题为特例.作者构造了这类广义集值隐拟补问题解的迭代算法,通过证明所构造的迭代算法序列的收敛性,证明了广义集值隐拟补问题解的存在性.所得结果推广了一些最近结果.