多参数MRV算法的算法设计与数值实验

MRV迭代法是求非线性方程组的数值解的一种Newton型迭代法. 它通过修改右端向量, 使得迭代过程中各步的线性方程组具有相同的系数矩阵. 在每步迭代过程中,利用一个参数的选择,来优化步长修正量. MRV迭代法的收敛速度较快, 界于定点Newton法和Newton迭代法之间. 借助于LU分解, 可使其计算成本降低, 低于定点Newton法. 这是一种非常实用的算法. 然而,其收敛速度仍需提高. 为此, 文献[9]利用多个参数, 得到一种新的迭代法--多参数MRV迭代法, 并对其收敛性进行了严格的证明. 通过对该算法进行进一步的研究,特别是对那些仅含少量非线性方程的非线性方程组,设计出一些比较好的算法, 既克服了Newton法每个迭代步都要计算Jacobi矩阵的缺点, 又保持了和Newton型迭代法相同的收敛速度. 并通过数值实验, 对这些算法的优点进行了验证.     

求非线性方程组的数值解的MRV迭代法的特殊应用

MRV迭代法是求非线性方程组的数值解的一种Newton型迭代法.它通过修改右端向量,使得迭代过程中各步的线性方程组具有相同的系数矩阵.其收敛速度较快, 界于定点Newton法和Newton迭代法之间.借助于LU分解,可使其计算成本降低,低于定点Newton法.将MRV迭代法用于只含一个非线性方程的非线性方程组, 得到一种新的迭代法--SMRV迭代法.其计算成本更低,收敛速度更快.其收敛速度与Newton迭代法相同,即至少是平方收敛的.     

求解非负限制问题的Newton型算法

提出了求解非负限制问题的Newton型算法. 当非负限制对问题的最优解不起作用时,该算法等价于Newton法;当非负限制对问题的最优解起作用时,它仍具有局部收敛性 ,且可快速收敛到非负限制问题的边界点上,保持二阶收敛速率.     

二次锥规划的一种原-对偶不可行内点算法

为了克服内点算法中初始点是严格可行的这一缺点,给出二次锥规划的一种原-对偶不可行内点算法．基于二次锥规划的最优性条件和互补条件,定义了一个新的价值函数．当价值函数的值越小时,迭代点越靠近最优解．该算法不要求初始点及迭代点的可行性且具有Q-线性收敛速度和多项式时间复杂性．     

多参数MRV算法的理论证明

MRV迭代法是求非线性方程组的数值解的一种Newton型迭代法.它通过修改右端向量,使得迭代过程中各步的线性方程组具有相同的系数矩阵.在每步迭代过程中,利用一个参数的选择,来优化步长修正量.MRV迭代法的收敛速度较快,界于定点Newton法和Newton迭代法之间.借助于LU分解,可使其计算成本降低,低于定点Newton法.现利用多个参数,将MRV迭代法进行改进,得到一种新的迭代法--多参数MRV迭代法,并对其收敛性进行了严格的证明.得出多参数MRV迭代法的收敛速度比MRV迭代法要快的结论.     

具有可调参数的不带导数的修正Newton法

讨论了一种解非线性方程的具有可调参数的不带导数的修正Newton法 .文章根据动力系统的原理 ,以特殊割线的斜率及变参数代替导数值 ,推导出一种修正Newton法与Steffensen加速法相结合的迭代公式 ,并且在较弱条件下 ,证明了其与修正Newton法至少有相同的收敛速度 ,最后给出了数值结果 .该迭代法的优点是毋需调用导数值 ;可调节收敛速度 .     

具有可调参数的不带导数的修正Newton法

讨论了一种解非线性方程的具有可调参数的不带导数的修正Newton法．文章根据动力系统的原理，以特殊割线的斜率及变参数代替导数值，推导出一种修正Newton法与Steffensen加速法相结合的迭代公式，并且在较弱条件下，证明了其与修正Newton法至少有相同的收敛速度，最后给出了数值结果．该迭代法的优点是毋需调用导数值；可调节收敛速度．     

自由边界问题的重心插值迭代配点法研究

工程中许多问题都可以转化为自由边界问题求解,自由边界问题本质上是非线性问题,而高精度的数值方法是求解自由边界问题的关键。文章基于无网格的重心插值配点法,给定一个自由边界初始假设值,采用重心插值配点法求解微分方程,利用自由边界上的任意一个定界条件构造出确定自由边界位置的Newton法和弦截法2种迭代格式,提出了数值求解自由边值问题的重心插值迭代配点法,并以数值算例进行分析,验证了迭代配点法对于自由边界问题求解的可行性和精确性。结果表明:Newton法的迭代速度较弦截法快,迭代3、4次就可以得到高精度的解;弦截法的计算不受边界条件以及控制方程自身的影响;2种迭代格式的数值计算结果都具有极高的计算精度,其误差精度随节点的增加呈量级提高,可以达到10-11~10-13。     

多维优化问题的一个自适应两点步长算法

给出了克服牛顿算法缺陷的自适应两点步长的算法。利用拟牛顿性质得到包含前两个迭代点有关信息的迭代步长因子解析表达式，无论初始迭代点与最优解之间是否存在Hesse矩阵不正定点、鞍点和广义拐点，迭代点列自动快速逼近最优解，该算法具有自适应性且仍具有二阶收敛速度；证明了算法的收敛性，并给出了算例，利用Mathematics数学软件验证了算法的有效性。     

同时求解非线性代数方程全部根的Newton迭代法

讨论同时求解非线性代数方程全部根的Newton迭代解法及其收敛性。给出了保证该迭代法收敛的初始值的一个范围。 从证明过程可见该迭代法适用于求解非线性代数方程的全部单复根。数值例子的结果是满意的。     

同时求解非线性代数方程全部根的Newton迭代法

讨论同时求解非线性代数方程全部根的Newton迭代解法及其收敛性。给出了保证该迭代法收敛的初始值的一个范围.从证明过程可见该迭代法适用于求解非线性代数方程的全部单复根。数值例子的结果是满意的.     

改进的最速下降法—最好点最速下降法

提出了用最速下降法解无约束多变量最优问题时，存在一些特殊点，本文称为最好点，这些最好点的负梯度方向总是直指目标函数的中心，即最优点，因此通过最好点一次迭代就能得到最优点，阐述了如何搜索得到最好的计算过程和计算程序，这个改进的最速下降法－最好点最速下降法既保持了最速下降法的优点，又消除了其锯齿现象，提高了计算速度。     

改进的最速下降法─最好点最速下降法

提出了用最速下降法解无约束多变量最优问题时，存在一些特殊点，本文称为最好点，这些最好点的负梯度方向总是直指目标函数的中心，即最优点．因此通过最好点一次迭代就能得到最优点．阐述了如何搜索得到最好的计算过程和计算程序．这个改进的最速下降法－最好点最速下降法既保持了最速下降法的优点，又消除了其锯齿现象，提高了计算速度．     

非线性系统开闭环D型迭代学习算法的鲁棒性

研究了系统满足收敛条件时，具有开闭环D型迭代学习控制律的一类非线性系统在动态过程存在干扰的情况下控制算法的鲁棒性问题。理论分析表明，当系统动态过程扰动有界时，开闭环D型迭代学习控制算法是鲁棒的。当满足开闭环学习收敛条件时，控制误差收敛到期望值的某一个邻域，其大小与相邻两次迭代运行中这些干扰的大小有关，而与初始控制输入等无关，当干扰越小时，学习控制过程越接近于期望值。     

桁架结构优化设计的遗传算法

本文提出桁架结构系统优化设计的新方法──遗传算法，它不同于常规优化算法的特点在于，从多个初始点开始寻优．并采用交迭和变异算子避免过早地收敛到局部最优解，可获得全局最优解，且不受初始值影响。该算法不必求导计算，编程简单，快捷，它尤其适用于具有离散变量的结构优化设计问题。     

一种求解非线性方程的新算法

针对具有多个根的非线性方程的求解问题提出一种算法,将方程转换成一个优化问题,利用优化问题的最优值已知一信息来求解这个优化问题,从而达到求解方程的目的。此算法可以从任意初始点出发收敛到方程的一个根,克服了Newton法等要求初始点位于根的附近的缺点,并将算法推广到求解非线性方程组问题上去。     

一类超平方收敛的多步法公式

给出求解非线性方程的一类多步法迭代公式,它是Newton法的推广,一般多步法迭代公式的收敛阶仅具有超线收敛,达不到平方收敛,本文给出的多步法迭代公式均是超平方收敛的。     

一种递推的牛顿型辨识算法

本文给出一种新的辨识算法,它适用于确定性的自适应控制系统.算法的独特优点是,只要在一段有限的时间内使回归向量的激励良好,就能保证参数估计的指数收敛.     

管-环相贯焊接装配面及开孔数学模型与仿真

针对复杂管-环桁架节点相贯线参数方程求解困难的问题,提出一种基于Newton迭代法的求解方式。以圆管和环管的参数方程建立Newton迭代函数,利用相贯体之间的几何约束关系,选择合适的迭代初始值,逐次逼近,求解相贯线参数方程的解;推导了管-环相贯焊接装配面实际切割角计算公式;将Newton迭代法对骑坐式和插入式两种带钝边坡口的开孔方式进行推广。Newton迭代法编程简单、收敛速度快,适于复杂相贯体相贯线的求解。对比Newton迭代法和实体布尔运算所生成的相贯线,结果表明:Newton迭代求解法偏差极小,准确性和可靠性好。     

非线性约束最优化在广义投影下强次可行方向法的统一模型

对非线性不等式约束最优化问题进行了讨论，借助广义投影建立求解问题的一个含系列自由参数的统一算法模型，该算法模型能以任意点为初始迭代点，并且迭代点列所满足的约束函数的个数单调不减，不断累加；进一步地，一旦迭代点进入可行域，模型就能保持在可行域内迭代，成为可行下降类算法，称具有这种性质的算法为强次可行方向法．在适当的条件下证明了算法模型的全局收敛性，文中模型同时提供了一种求解非线性不等式组的叠累型方法。