一种求解无约束优化问题的修正共轭梯度算法

提出了一种求解无约束优化问题修正的共轭梯度算法,该算法具有函数值信息,而且对线搜索技术具有加速作用,另外该算法不仅具有充分下降性还在适当条件下具有全局收敛性。数值结果也表明该算法对测试问题是有效的。     

随机变量独立性的一个应用

本文主要讨论随机变量独立性在随机事件的独立性讨论中的应用。     

多元有理分式函数极限问题的研究

讨论了一般多元有理分式函数的极限问题,给出了几个极限存在的判别定理,并推广了已有的结果     

分块矩阵[ABCD]的奇异性

设Ｍ＝ＡＢＣＤ为复数域上的矩阵,其中Ａ为ｍ×ｎ矩阵,ｒａｎｋＡ＝ｒ≤ｍｉｎ（ｍ,ｎ）,Ｂ为ｍ×ｒ１矩阵,ｒａｎｋＢ＝ｒ１,Ｃ为ｒ２×ｎ矩阵,ｒａｎｋＣ＝ｒ２,ｍ＋ｒ２＝ｎ＋ｒ１．本文研究了矩阵Ｍ的奇异性,给出了Ｍ为非奇异矩阵的充分必要条件,也给出了Ｍ－１＝Ａ＋Ｃ＋Ｂ＋Ｄ＋的充分必要条件．     

具有无穷时滞神经网络模型的研究

研究了一维、二维的具有无穷时滞神经网络的模型. 分析得到两个模型的平衡点全局吸引性的充要条件,并给出了证明. 最后进行数值模拟以验证所得结论.     

带非精确线搜索的改进Dixon方法的下降性质及其全局收敛性

在推广Ｄｉｘｏｎ公式的基础上,对于无约束最优化问题,提出了一类改进的Ｄｉｘｏｎ共轭下降算法,其中搜索方向迭代公式ｄｋ＋１＝－ｇｋ＋１βｋｄｋ中的参数βｋ可以取负值并结合一类非精确线搜索,证明了新算法的全局收敛性。最后给出了改进的Ｄｉｘｏｎ公式的一个重要应用－自校正近似重新开始共轭下降算法。     

多目标优化问题的非单调对角最速下降算法

【目的】为了更高效的求解多目标优化问题,得到更有效的Pareto前沿面。【方法】通过引入非单调Armijo准则,得到新的步长搜索方式,进而提出了多目标优化问题的非单调对角最速下降算法。【结果】在目标函数无凸性、梯度Lipschitz连续性和下有界假设下,证明了算法产生序列的每个聚点均是多目标优化问题的Pareto弱有效解,并在适当条件下证明了算法的次线性收敛性。【结论】数值实验表明提出的算法目标函数值的平均值更小。     

模糊大脑情感学习的自适应噪声抵消方法

提出一种以模糊大脑情感学习(fuzzy brain emotional learning, FBEL)模型作为自适应噪声抵消器的噪声抵消方法,应用于信号处理问题。该方法通过FBEL模拟经非线性通道传输后的噪声信号,将噪声信号从含噪信号中过滤掉,达到消噪的目的;根据自适应学习算法,利用奖励信号和梯度下降法对FBEL模型的权重及参数进行在线更新,以适应噪声的变化。选取均方根误差和计算时间2个性能指标,采用自适应噪声抵消方法在不同网络中进行仿真比较,结果表明,应用该方法可以获得更好的滤波性能。     

无约束优化中新的共轭梯度方法

提出一个新的解决无约束最优化问题的非线性共轭梯度公式,该公式满足充分下降条件,采用这个公式和弱Wolfe条件的方法是全局收敛的.初始的数值结果表明,该方法是有前景的.     

关于不定方程x~3-1=Dy~2

设D是奇素数,运用初等数论的方法给出了在D=3(8m+k)(8m+k+1)+1(m,k∈N,k≤7)的情形下不定方程x3-1=Dy2无正整数解的充分条件。