基于进化策略的非线性方程组求解

基于在求解非线性方程组过程中传统算法存在着对于初始点敏感和串行运行速度过慢的问题,提出一种求解非线性方程组的进化策略算法.该算法充分发挥了进化策略的群体搜索和全局收敛的特性,能够快速求得非线性方程组的根,有效地克服了经典算法的初始点敏感和速度过慢的问题.仿真计算表明,该算法比传统的经典算法、改进的遗传算法和神经网络算法具有更高的求解质量和求解效率,为求解非线性方程组提供了一条比较有效的途径.     

人工鱼群算法在求解非线性方程组中的应用*

针对传统非线性方程组解法对初始值敏感、收敛性差、精度低等问题,提出了一种用于人工鱼群算法求解非线性方程组的进化算法.该算法求解精度高、收敛速度快.数值仿真结果表明,该算法对求解非线性方程组非常有效,既克服了传统方法对初值敏感和收敛性差,又解决了非线性方程组多解的求解难点等问题,为非线性方程组提供了一种进化求解的方法.     

求解非线性方程组的迭代神经网络算法

求解非线性方程组是工程研究中的基本问题,普通的求解算法均具有一定的缺点,通用性不强。神经网络能以任意精度逼近非线性函数,利用它逼近非线性方程组的函数的反函数,提出了通用性较强的数值求解方法。首先,给出了不需迭代的简单神经网络算法;然后,针对给定求解区域偏大和不准确的问题,提出了缩小与改变求解区域的迭代神经网络算法。这两种算法均进行了实例求解,结果表明,两种算法格式简单,求解时间短,精度高,具有较高的应用价值,在理论研究和工程实践中具有较大应用前景。最后分析了算法的优点和改进方向。     

基于微粒群优化的非线性方程组求解研究

在科学技术和工程应用中经常遇到求解非线性方程组的问题。提出了一种求解非线性方程组的通用数值方法。将非线性方程组的求解问题转化为函数优化问题,通过微粒群优化对其进行求解,最终得到非线性方程组较高精度的解。一系列测试实例显示了该算法在求解非线性方程组时具有简单性、高效性和普适性。     

求解非线性方程组的智能优化算法综述

非线性方程组的求解是优化领域的一个重要研究课题.近年来,利用智能优化算法求解非线性方程组已成为一个重要方向.首先介绍非线性方程组的定义;其次,根据智能优化算法求解非线性方程组问题的基本框架,从转化方法和智能优化算法两方面入手,对求解非线性方程组的算法的研究进展进行归纳总结;再次,对非线性方程组的测试函数及评价指标进行描述,对比了5个具有代表性算法的性能,分析了目前利用智能优化算法求解非线性方程组亟待解决的问题;最后,指出值得进一步研究的方向.     

粒子群算法在求解方程组中的应用

提出了采用粒子群算法求解线性方程组和非线性方程组的智能算法。采用粒子群算法求解方程组具有形式简单、收敛迅速和容易理解等特点,且能在一次计算中多次发现方程组的解,可以解决非线性方程组多解的求解问题,为线性方程组和非线性方程组的求解提供了一种新的方法。     

烟花算法求解非线性方程组

烟花算法是最近提出的一种效率较高的优化算法,已被用于求解众多的优化问题.给出利用烟花算法求解非线性方程组的方法.实验表明,所提出的算法对于求解变量耦合的非线性方程组比其他算法占有优势,进一步分析存在优势的原因.     

一种线性约束规划问题的神经网络模型及其应用

提出了一种基于梯度投影矩阵下的求解线性约束下规划问题的神经网络。针对解的稳定性问题,导出了该网络相关参数之间的关系。由文中定义可知,该网络不但适合于求解线性约束下线性或非二次规划问题,而且也用于求解线性或非线性方程组问题,比其它规划问题的神经网络方法更具有一般性。     

解方程组的单神经元自适应控制微粒群算法

基于微粒群算法解决函数优化问题的优点,提出了使用微粒群算法求解方程组,并给出了求解方程组的通用模型.应用标准微粒群算法求解方程组容易陷入局部极值,导致方程组的解精度不高,并且算法具有较复杂的非线性特性.因此,将微粒群算法作为控制对象,引入单神经元控制器控制算法的惯性权重,将控制器具有的自学习、自适应能力和算法的全局优化特性相结合,用于方程组的求解.实验结果表明,该方法是有效可行的,适合于求解实际工程问题中的高非线性度方程组.     

求解非线性方程组的蚁群算法

研究非线性方程组的求解问题,提高有效性。针对非线性方程数与变量数一致的非线性方程组问题,当方程组是一些强非线性方程组时,传统方法易导致失败,有效率低。为了提高求解强非线性方程组的求解效率,提出一种蚁群算法的求解方法。首先将方程组问题转化为函数优化问题,然后用全局搜索速度快的蚁群算法对函数进行求解,找到最优解,最后通过具体实例进行仿真研究,结果表明蚁群算法的有效性。