一种GMRES与GMERR的混和算法

近年来Krylov子空间类算法得到了很大的发展，其中GMRES算法已成为求解大型稀疏非对称线性系统的一种成熟并且很有效的解法，但该算法有时会出现停滞，并且它是以残量来判断收敛，并不能很好地衡量近似解的精确程度，而GMERR算法是最近几年出现的另一种Krylov子空间类算法，它和GMRES算法相比是各有千秋，文章结合两种算法的优点，提出了一种组合算法，它对求解大型稀疏非对称线性系统相当有效。     

变分迭代算法在非线性微分方程中的应用

应用何吉欢的变分迭代算法,求解了一类强非线性振动方程．其中一阶近似解已有非常高的精度,并且得到的近似解在全域内一致有效．     

基于粗糙集理论与差分进化的混合多目标优化算法

针对传统算法求解约束多目标优化所得近似解精度不高、分布性能不好的问题,提出一种基于粗糙集理论与差分进化的混合算法.首先利用多目标差分进化生成一个初始的近似 Pareto 前沿;然后利用粗糙集理论提高Pareto 前沿的分布质量.选取一组标准的多目标约束测试问题,采用混合算法与 NSGA-II 算法进行仿真求解,对比结果表明,所提出的算法在求解约束多目标优化问题时具有更好的近似解分布和更优越的近似解性能.     

求解含非线性参数的QoS路由的启发式算法

具有非线性参数的QoS路由分为含有非线性约束条件的QoS路由和含有非线性优化目标的QoS路由两类，它们都是NP问题．提出了两种启发式算法求解这两类QOS路由优化问题问题．对第一类问题，求解去掉非线性约束条件后的优化问题．如果找到的解满足非线性约束条件，则该解是最优解；否则在优化问题中添加一个新的线性约束，将已得到的解去掉，反复下去就可得到最终解．对第二类问题，将非线性优化目标换为约束条件中的线性参数，求解此优化模型，如果有解，则记录此时对应的非线性目标值．而后增加一个新的线性约束，去掉刚才得到的解，比较两次得到的非线性目标值，保留最小值．如果得到的解不满足该线性参数的约束条件，则算法结束；否则继续迭代．证明了两种算法的收敛性，并且时间复杂性为近似多项式时间．计算实例表明了算法的有效性．     

Approximate optimal control with εerror bound

近似动态规划方法求解非线性系统最优控制,需要迭代无限步才能得到最优控制律．本文提出了一种ε-近似最优控制算法,选择ε误差限,通过自适应迭代不断逼近哈密顿-雅可比-贝尔曼（HJB）方程的解,应用神经网络实现在有限步迭代后得到带ε误差限的近似最优控制律．计算机仿真结果表明了该算法的有效性．     

多边形近似曲线的基于排序选择的拆分合并算法

将遗传算法的排序选择策略引入到传统的拆分与合并算法,提出一种基于排序选择策略的拆分与合并算法（RSM）来求解平面数字曲线的多边形近似,解决了传统的拆分与合并算法对初始解的依赖问题．用2条通用的benchmark曲线对RSM算法进行测试,结果表明该算法的性能优于遗传算法和传统的拆分与合并算法．将RSM算法应用于湖泊卫星图像的多边形近似,取得了较好的近似效果．     

路径交叉检测与消除方法和邻节点置换方法改进TSP的解

针对当前算法在求解规模较大的TSP时得到的近似解中常常存在路径交叉这一不足,提出了一种路径交叉检测与消除方法,可以完全消除路径交叉从而提高近似解的质量;通过分析近似解的结构,发现一些相邻节点相互交换位置也可以有效提高解的质量,因此提出了一种邻节点置换方法。实验表明提出的方法可以有效改进模拟退火算法求得的TSP近似解。     

基于自适应蚁群算法的车辆路径问题研究

车辆路径问题(VRP)是物流研究领域中一个具有重要理论和现实意义的问题．蚁群算法是一种新型的模拟进化算法,可以很好地解决旅行商问题(TSP)．在分析VRP与TSP区别的基础上,构造了求解VRP的自适应蚁群算法．指出可行解问题是蚁群算法的关键问题,并重点对该问题进行了研究,提出了近似解可行化等解决策略．实验结果表明,自适应蚁群算法性能优良,能够有效地求解VRP问题．     

基于BMI的一类不确定分段线性系统的最优控制设计

将不确定分段线性系统的最优控制问题转化成最优控制性能界的优化问题．其中性能上界的优化是以反馈增益为寻优参数的一组双线性矩阵不等式(BMI)问题，对此将遗传算法和内点法结合， 设计了一种混合算法进行求解．最后的算例表明控制律的设计及其求解算法的有效性．     

一种稳定、高效且保持细节的粘性流模拟算法

给出一种基于物理的粘性流体模拟算法,该算法采用一种等价的能量模型将耗散过程与投影过程耦合入一个线性系统中同时求解.实现了在全隐式求解粘性项的同时求解压力来保证流体的不可压缩性,并且自动捕捉了至关重要的零应力边界条件,从而消除了由于直接近似该边界条件而导致的失真现象,此外,利用粒子携带的物理信息来求解对流项以抑制数值耗散...     

求解非线性最小二乘问题的实用型方法

１．引言对于非线性最小二乘问题其中,为残差向量且,这里是指通常意义下的范数,即二范数．目标函数的梯度和Ｈｅｓｓｅ矩阵为其中　矩阵, 求解非线性最小二乘问题（１．１）的最基本方法是Ｇａｕｓｓ－Ｎｅｗｔｏｎ法,迭代格式为其中ｄｋ为线性方程组的解,这． 当人为满秩矩阵时,线性方程组（１．５）有唯一解,即并且有如下不等式：其中　是矩阵　的最小特征值．当　人接近奇异时,因此有可能存在着 ｄｋ,使得,即某一步迭代的步长太大,导致 Ｇａｕｓｓ－Ｎｅｗｔｏｎ法迭代失败． 另外,当　为奇异矩阵时,线性方程组（１．５）…     

Quasi-Newton-type optimized iterative learning control for discrete linear time invariant systems

In this paper, a quasi-Newton-type optimized iterative learning control (ILC) algorithm is investigated for a class of discrete linear time-invariant systems. The proposed learning algorithm is to update the learning gain matrix by a quasi-Newton-type matrix instead of the inversion of the plant. By means of the mathematical inductive method, the monotone convergence of the proposed algorithm is analyzed, which shows that the tracking error monotonously converges to zero after a finite number of iterations. Compared with the existing optimized ILC algorithms, due to the superlinear convergence of quasi-Newton method, the proposed learning law operates with a faster convergent rate and is robust to the ill-condition of the system model, and thus owns a wide range of applications. Numerical simulations demonstrate the validity and effectiveness.     

Application of single-step method of block-pulse functions to the optimal control of linear distributed-parameter systems

The optimal control of a linear distributed-parameter system is studied by employing the single-step method of block-pulse functions. A directly recursive algorithm for evaluating the optimal control and trajectory of a linear distributed-parameter system is developed. The proposed method is simple and computationally advantageous, and yields both block-pulse values and discrete values of the resulting solutions. A numerical example is given to illustrate the simplicity of the proposed method.     

基于两级算法的混沌控制

提出了一种两级算法,可以解决连续混沌系统的最小能量控制问题,首先,给出一个二次目标函数,同时把混沌系统分解为线性部分和非线性部分.上级算法对混沌系统中的非线性部分进行预估,并把整个原系统表为带有常系数的线性系统;下级算法用极小值原理解决这个典型线性二次最优控制问题,并把解返回到上级算法,上级算法根据下级的解对非线性部分重新预估.这样通过两级间不断的信息交换,最终得到混沌系统的最优控制律.该方法不仅实现了对混沌系统的控制,而且在整个控制过程中保证控制能耗为最小.证明了算法的收敛性和闭环系统的稳定性.对统一混沌系统的仿真结果表明了控制策略的有效性.     

时变参数的一种快速跟踪最小二乘估计方法

给出时变参数的一种快速跟踪最小二乘估计方法．该方法对测量数据同时引入指数加权因子和矩形窗，综合了渐消记忆法和限定记忆法的优点．利用抗病态的正交变换法求解估计值，以减小权固子和窗长度，提高了估计值的跟踪速度．     

时变参数的一种快速跟踪最小二乘估计方法

给出时变参数的一种快速跟踪最小二乘估计方法，该方法对测量数据同时引入指数加权因子和矩形窗，综合了渐消记忆法和限定记忆法的优点，利用抗病态的正交变换法求解估计值，以减小权固子和窗长度，提高了估计值的跟踪速度。     

基于自然梯度的后非线性盲解卷算法

给出了一个基于自然梯度的后非线性多信道盲解卷算法。混合系统由线性卷积混合后接一个可逆非线性失真组成。分离系统由多层感知器(非线性部分)后接一个线性盲解卷过程(线性部分)组成。分离系统的线性部分和非线性部分参数学习都采用自然梯度算法。仿真结果显示,自然梯度算法比传统梯度算法收敛速度更快,分离效果更好。     

改进的变步长行加权仿射投影算法

针对带衰减因子的变步长仿射投影算法(VS-APA-FF)中加权投影矩阵容易产生病态化的问题,文献[8]提出了正则化的VS-APA-FF(vs-APA-FF-REGU)算法,但加权投影矩阵的运算量仍然较大,为此提出改进的行加权变步长仿射投影算法(VS-APA-RW)对加权投影矩阵的计算进行简化.该算法采用间歇更新的变步长策略,有效降低了的整体运算量.最后通过有色输入下的信道盲辨识表明了算法的性能.     

离散线性周期系统的模型匹配

考虑离散线性周期系统的模型匹配问题, 提出一种基于参数化极点配置的模型匹配方法. 该方法从时域的角度出发, 采用周期状态反馈, 使得闭环系统充分接近目标系统. 由于所采用的参数化极点配置算法提供了充分的自由度, 所提出的方法能够实现零误差匹配. 数值算例验证了所提出算法的有效性.