进化策略算法在矩阵特征值求解中的应用

工程实践中多种振动问题的求解常常归纳为求矩阵特征值问题,另外一些稳定性分析问题及相关分析问题也可以转化为求矩阵特征值问题.为了有效求解此类问题,提出了一种新的求解矩阵特征值的进化策略算法,该算法可用于求解任意矩阵的特征值.实验结果表明,这种基于进化策略算法求解矩阵特征值的方法,与传统方法相比,表现出求解精度高,收敛速度快等优点.     

求解矩阵特征值和特征向量的PSO算法

提出一种基于粒子群优化算法的求解方法,将线性方程组的求解转化为无约束优化问题加以解决,采用粒子群优化算法求解矩阵特征值和特征向量。仿真实验结果表明,该方法求解精度高、收敛速度快,能够在10代左右收敛,可以有效获得任意矩阵的特征值和特征向量。     

求解矩阵特征值的捕鱼算法

根据圆盘定理以及矩阵特征值的性质,将求解特征值的问题转化为最小化问题。通过圆盘定理确定寻优区域,用捕鱼算法在复数域内求解任意数值矩阵特征值的近似值。数值实验表明,该算法具有收敛速度快,计算精度高的优点。因此,该算法是有效和可行的。     

拟Newton法在高阶矩阵中的应用——求解最大特征值及特征向量

将求解高阶矩阵的最大特征值及其对应的特征向量问题转化为高阶非线性方程组的求解问题。在此基础上,提出了求解矩阵最大特征值及其对应特征向量的拟Newton法,给出求解矩阵最大特征值及其单位化向量重新整理后的Broyden方法公式、BFS方法公式、DFP方法公式及其对应的Broyden算法,BFS算法,DFP算法。以层次分析法中高阶判断矩阵为例验证了该方法的可行性,说明了该方法相对收敛速度快的优势。     

求解对称区间矩阵标准特征值的进化策略新算法

针对实对称区间矩阵的特征值问题,将区间不确定量看成是围绕区间中点的一种摄动,提出了一种基于区间扩张的对称区间矩阵特征值问题求解的进化策略算法。将区间矩阵中点作为平衡点,区间不确定量作为相应的扰动量,根据摄动公式求出区间矩阵的最大特征值和最小特征值,从而获得区间矩阵特征值问题的解。算例显示了该算法的有效性,其主要特点是收敛速度快、求解区间精度高。     

求解对称非线性矩阵特征值问题的一个三阶收敛的算法

考虑对称矩阵A(λ)∈R~(n×n),它的元素是λ的解析函数.求λ∈R,向量x≠0,使得求解(1.1)称为求解对称非线性矩阵特征值问题. 对于一般非线性矩阵特征值问题已经有了很多有效的方法.本文的目的是如何利用矩阵的对称性给出一个运算量与通常使用的二阶收敛方法的运算量相当的三阶收敛算法.     

一种计算矩阵特征值特征向量的神经网络方法

当把Oja学习规则描述的连续型全反馈神经网络(Oja-N)用于求解矩阵特征值特征向量时,网络初始向量需位于单位超球面上,这给应用带来不便.由此,提出一种求解矩阵特征值特征向量的神经网络(1yNN)方法.在lyNN解析解基础上得到了以下结果:初始向量属于任意特征值对应特征向量张成的子空间,则网络平衡向量也将属于该空间;分析了lyNN收敛于矩阵最大特征值对应特征向量的初始向量取值条件;明确了lyNN收敛于矩阵不同特征值的特征子空间时,网络初始向量的最大取值空间;网络初始向量与已知特征向量垂直,则lyNN平衡解向量将垂直于该特征向量;证明了平衡解向量位于由非零初始向量确定的超球面上的结论.基于以上分析,设计了用lyNN求矩阵特征值特征向量的具体算法,实例演算验证了该算法的有效性.1yNN不出现有限溢,而基于Oja-N的方法在矩阵负定、初始向量位于单位超球面外时必出现有限溢,算法失效.与基于优化的方法相比,lyNN实现容易,计算量较小.     

一种求解复Hermite矩阵特征值的方法

介绍几种求解矩阵特征值和特征向量的经典算法及各自优缺点,通过理论推导,提出了一种性能稳健的方法,可以求解信号处理中常见的复Hermite阵.将对复Hermite矩阵求特征值和特征向量的问题转化为求解实对称阵的特征值和特征向量,而实对称阵的求解采用一种改进的三对角Householder法.最后把结果与Matlab仿真结果比较,可以看出该方法有很高的精确度.     

矩阵平衡及策略

矩阵平衡是一般矩阵求解特征值问题的一个重要处理过程。它不仅可以提高求解的全程效率,而且可以改善计算结果的精度。本文论述了矩阵平衡的算法结构及实施策略,并对其充要条件给予证明。该算法在YH-2 EISPACK中得以应用。     

求解矩阵特征值及特征向量的新方法

提出一种基于进化策略求解矩阵特征值及特征向量的新方法。该方法在进化过程中通过重组、突变、选择对个体进行训练学习,向最优解逼近。当达到预先给定的误差时,程序终止,得到最优解。实验结果表明,与传统方法相比,该方法的收敛速度较快,求解精度提高了10倍。该算法能够快速有效地获得任意矩阵对应的特征值及特征向量。     

基于奇异值的信源数估计方法

信源数估计是空间谱估计中的重要内容,在估计采用不同的判决准则时,往往需要利用信号协方差矩阵的特征值来进行信源数估计。新算法采用数据矩阵的奇异值分解,通过奇异值建立不同判决准则的判决函数。该算法无需进行协方差矩阵估计,也不需要利用奇异值求解特征值,减少了运算量和估计误差。同时,对数据矩阵进行平滑操作,可以解决信号相干性问题。通过数学推导和计算机仿真,证明了算法的正确性。     

求解矩阵特征值的改进PSO算法

为了改进粒子群算法在求解矩阵特征值时只能根据矩阵特征值范围逐一求解特征值的现状。提出了一种改进的粒子群算法。改进的粒子群算法采用寻找到一个特征值后,适当改变适应值函数的策略,使搜索区域远离已寻找到的特征值,继续寻找其他的特征值,如此反复,直到寻找到所有的特征值为止。利用四个不同类型的矩阵求解特征值进行仿真,实验结果也验证了算法的实用性和有效性。     

离散H∞滤波系统最优范数计算的特征值算法

基于Riccati方程解的存在条件，建立了离散系统H∞江波问题的最优范数γopt与相关的Hamiltonian差分方程一阶特征值，以及矩阵广义特征值问题一阶特征值之间的对应关系，根据这一关系可以用求解特征值问题的算法计算最优H∞范数，由于仅需计算一阶特征值，所以可用扩展Wittrick-Williams算法求解这一问题。     

正则化HSS预处理鞍点矩阵的多尺度算法

针对鞍点求解结果收敛速度慢、CPU消耗时间较长等问题,提出一种正则化HSS预处理鞍点矩阵的多尺度算法.运用最优正则化方法确定正则参数,得到计算最优正则参数公式;通过HSS方法完成系数矩阵预处理,得到新的预处理子NHSS;为了更加具体地分析预处理后的鞍点矩阵多尺度算法特征值分布形态,择优选取预处理子参数,确保算法收敛速率...     

矩阵特征值估计的粒子群优化算法

利用Gersehgorin圆盘定理与矩阵特征值的性质,将特征值的求解问题转化为最优化问题.借助粒子群优化算法与二分法思想,精确地估计了实(复)方矩阵的全体特征值,并与Matlab软件中基于QR算法设计的特征值求解函数eig的计算结果作对比,绝对误差达到10-7数量级以上.同时,也解决了特征值分离度的估计问题.     

离散H∞滤波系统最优范数计算的特征值算法

基于Riccati方程解的存在条件,建立了离散系统H_∞滤波问题的最优范数γopt与相关的Hamiltonian差分方程一阶特征值,以及矩阵广义特征值问题一阶特征值之间的对应关系.根据这一关系可以用求解特征值问题的算法计算最优H_∞范数.由于仅需计算一阶特征值,所以可用扩展Wittrick-Williams算法求解这一问题.     

计算广义实对称三对角矩阵特征值问题的分治算法

关于广义实对称三对角矩阵特征值问题的计算，本文提出了一个新的分治算法。该算法以二分法、割线法迭代为基础，采用分而治之策略。理论分析和数据试验结果表明：该算法的收敛速度快，可以节省大量的计算时间。     

能克服鞍点的并行计算寻优算法

为有效解决在求解具有鞍点的无约束最优化问题时寻优算法提前终止的问题,提出了一种能克服鞍点的计算机并行计算寻优算法。该算法以共轭梯度法为基础,对该算法寻优终止的条件进一步改进,提出当算法迭代到鞍点时,选择雅克比矩阵的所有正特征值对应的特征向量所对应的方向作为新的搜寻方向,重新搜索且并行计算取最优。最后通过实例验证了该算法能成功克服鞍点,并成功收敛到函数的极小值。     

基于凝聚函数的和声搜索算法求解绝对值方程*

绝对值方程Ax-|x|=b是一个不可微的NP-hard问题。在假设矩阵A的奇异值大于1（这里矩阵A的奇异值定义为矩阵ATA特征值的非负平方根）时,给出了求解绝对值方程一个新的光滑化算法。通过引入一种凝聚函数对绝对值方程进行光滑化处理,得到一个非线性方程组;再引入适当的目标函数,进而把绝对值方程化为无约束优化问题,然后利用和声搜索算法对其进行求解。该算法模拟了音乐创作中乐师们凭借自己的记忆,通过反复调整乐队中各乐器的音调,最终达到一个美妙的和声状态的过程。数值结果表明,该算法收敛快,数值稳定性好,是求解绝对     

基于扩展FEAST的大规模特征值求解问题研究

为了求解非线性特征值问题,在线性FEAST特征值算法的基础上,提出一种非线性FEAST扩展算法.通过将复平面分割为不相交的区域集合,计算每个区域的特征对.扩展算法使用与线性FEAST算法相同的一系列运算,通过修改围道积分来支持非线性特征值求解的固定移位集合和固定子空间维数.与线性FEAST算法相似,扩展算法可以通过并行求解额外的线性系统,改进数值围道积分或提升近似特征向量子空间的维数,从而提高非线性FEAST的收敛速度.通过三个计算模型问题验证了非线性FEAST算法的多项式特征值行为.