一类变分不等式的重叠产芊Schwarz算法

讨论了一类变分分不等式的重叠并行Ｓｃｈｗａｒｚ算法，并建立了一种实用算法，证明了其收敛性，同时也 讨论了该算法对于贴合分量的有限步收敛性。     

不等式约束极小极大问题的一种近似法

结合极大熵方法与不等式约束非线性规划的有关算法，提出了求解不等式约束极小极大非线性规划的一种近似法，并讨论了算法的有关收敛性     

参数跟踪算法的收敛性质

讨论了时变遗志因子和加权配合的递推辨识算法的算法性质和确定性收敛性．证明了估值有界和误差渐近趋于零．指出这类算法具有指数收敛性．     

一类非单调线性互补问题的宽邻域内点算法

基于线性规划问题原始——对偶类内点算法的思想，讨论一类非单调线性互补问题，为其设计了一种新的算法——宽邻域内点算法，并讨论其多项式收敛性．与路径跟踪法相比较，该算法具有迭代过程简便，应用情景更加广阔等特点。     

求解集值混合变分不等式的迭代算法

利用集值映射的预解算子，提出了求解一类集值混合变分不等式问题的迭代算法，并讨论了该算法的收敛性，推广了已有文献的结果。     

不等式约束极小极大问题的一种近似法

结合极大熵方法与不等式约束非线性规划的有关算法，提出了求解不等式约束极小极大非线性规划的一种近似法，并讨论了算法的有关收敛性。     

解非线性方程组的异步并行区间算法

基于ＭＩＭＤ多处理机系统，提出一种求解非线性方程组的异步并行区间算法，对算法的实现原理及结构作了详细分析，讨论了算法的收敛性及效率估计，所得结果表明该算法比常用串行区间算法的计算量小，收敛速度较好。     

分数间隔常模盲均衡算法及其性能分析

文章介绍了基于分数间隔均衡器结构(FSE)的常模算法(CMA)，讨论了该算法的基本特性及信道特征、信源分布和噪声对算法收敛性能产生的影响。     

一类大型稀疏问题的齐次化算法

基于行处理算法的思想，提出了一种用于求解这一类大型稀疏问题的迭代算法，即齐次化法，讨论该算法的收敛性及稳定性。数值实验表明，该算法具有收敛速度快、计算精度高等特点。     

积分方程数值解的外推算法

本文讨论积分方程数值解法，以梯形求积算子为基础，建立了外推格式，证明了算法的超收敛性，数值试验与理论分析相符。     

基于自然边界归化的椭圆外区域各向异性问题的重叠型区域分解算法

以Helmholtz方程为例,基于坐标变换及自然边界归化理论,提出了一种带圆型人工边界的重叠型区域分解算法.构造其算法并讨论其相应的收敛性,证明了算法是几何收敛的.     

基于种群分类解决遗传算法的“早熟”与“漂移”问题

为了有效解决遗传算法在实际应用过程中经常面临的早熟收敛和遗传漂移问题,分析了导致早熟收敛和遗传漂移这两种现象出现的原因,针对其主要原因提出了基于模糊聚类的种群分类改进的遗传算法,避免近亲繁殖导致早熟,并将模糊聚类的结果与各种遗传操作有效结合,提高了算法向最优解收敛的准确性和稳定性。最后,仿真结果显示新的改进算法比标准遗传算法更有效。     

一种无界区域上二维双调和边值问题的非重叠型区域分解算法

以二维双调和外问题为例,提出一种带圆型人工边界的非重叠区域分解算法.构造其算法并讨论相应的离散化问题的收敛性,证明算法收敛速度与有限元网格参数无关,适当选取松弛因子,算法是几何收敛的.理论分析表明,用该方法求解无界区域问题是十分有效的.     

二阶伏特拉滤波器RLS算法改进

分析了二阶伏特拉滤波器的一种快速RLS算法,针对其存在的收敛速度与收敛精度之间的矛盾,构造了遗忘因子函数并取代该算法中的固定遗忘因子,得到改进的RLS算法。提出了遗忘因子函数的构造原则并分析了相关参数的选取方法。算例表明:改进的RLS算法能解决收敛速度与收敛精度之间的矛盾,有效地加快了收敛速度。     

改进的l0范数LMS算法与分析

提出一种改进的基于l0范数的最小均方( LMS)算法。采用误差的相关函数值调整权系数步长因子以及零吸引项,增强系统的抗噪声性能;并且引入一种修正的权系数步长因子更新方法,进而使系统具有较快的跟踪速度。对提出的算法进行理论分析,最后在不同信噪比下进行仿真验证并与已有的基于l0范数的LMS算法进行比较。理论分析结合仿真验证都表明新提出算法具有较快的跟踪速度和较强的抗噪声性能。     

改进的DNA遗传算法在指派问题中的应用

提出了一种基于优秀基因片段思想的DNA遗传算法,将这段基因片段提取出来并将它遗传到后代中,可以加快收敛速度.给出了DNA遗传算法的结构,讨论了选择、交叉和变异算子的具体操作,并将其运用到指派问题最优解的求解中,给出了具体的实现方法.仿真实验验证了算法的有效性和实用性.     

基于PID型迭代学习控制算法的电阻炉温度控制

基于压缩性原理,讨论了PID型迭代学习控制算法,并对这种算法在理论上进行了收敛性分析.将PID型迭代学习控制算法应用于电阻炉温度控制,仿真曲线表明,该算法对电阻炉温度控制的效果,明显优于普通PID算法的P型和D型迭代学习算法.     

Optimization of unit commitment based on genetic algorithms

0　ＩＮＴＲＯＤＵＣＴＩＯＮＴｈｅｔａｓｋｏｆｕｎｉｔｃｏｍｍｉｔｍｅｎｔｉｓｔｏｍｉｎｉｍｉｚｅｔｈｅｐｒｏｄｕｃｔｉｏｎｃｏｓｔｓｕｂｊｅｃｔｔｏｔｈｅｃｏｎｓｔｒａｉｎｔｓｏｆｇｅｎｅｒａｔｉｎｇｕｎｉｔｓａｎｄｐｏｗｅｒｓｙｓｔｅｍｉｎ ｇｉｖｅｎｄｉｓｐａｔｃｈｐｅｒｉｏｄｂｙｐｒｏｐｅｒｌｙａｒｒａｎｇｉｎｇｇｅｎｅｒａｔｉｎｇｓｃｈｅｄｕｌｅａｎｄｅｃｏｎｏｍｉｃｌｏａｄｄｉｓｐａｔｃｈａｍｏｎｇｕｎｉｔｓ .Ｔｈｅｒｅａｒｅ ｐｒｉｏｒｉｔｙｌｉｓｔｍｅｔｈｏｄｓ,ｍｉｘｅｄ ｉｎｔｅ…     

粒子群优化算法分析

粒子群优化算法是一种基于群体智能的随机全局优化技术，尽管其原理简单易、于实现且功能强大，但目前研究人员还没有对它的工作原理做出足够的解释．将群体优化过程看成一个动态系统的演变，采用线性离散时间系统的分析方法对算法的收敛性进行了分析，导出了简化PSO算法的收敛条件．考虑到参数是影响算法性能和效率的关键因素，利用标准测试函数对算法的参数选择进行了详细的分析，并给出一些指导性原则．     

超记忆梯度算法的全局收敛性

对无约束优化算法进行了研究。描述了最速下降算法、牛顿法、非线性FR共轭梯度法、非线性PRP共轭梯度法、非线性DY共轭梯度法等求解大规模无约束优化问题的有效算法以及精确线搜索、Wolfe线搜索、Armijo线搜索的搜索条件;着重研究了计算更为有效的适合求解无约束优化问题的超记忆梯度算法;在一类Wolfe型非精确线搜索条件下给出了一类超记忆梯度算法,并且在较弱的条件下证明了算法的全局收敛性,为求解大规模无约束优化问题以及各种算法的比较提供了参考。