GMRES算法求解烟雾仿真N-S方程

烟雾在大规模战场仿真和复杂环境仿真中扮演着重要角色,因此研究烟雾仿真具有重大意义。提出用广义极小残差算法(GMRES)来求解烟雾仿真中的N-S方程。首先给出GMRES算法的计算原理;其次用GMRES算法对烟雾仿真N-S方程进行求解,并对求解结果进行收敛性分析,分析结果表明GMRES算法可以对烟雾仿真N-S方程进行求解,结果收敛;最后运用GMRES算法通过计算机技术对烟雾进行可视化仿真,仿真结果表明,采用GMRES求解算法的烟雾仿真效果比较真实,基本符合现实中的烟雾。     

改进萤火虫算法性能分析及其在WSNs网络覆盖中的应用

对改进萤火虫算法性能及其在WSNs网络覆盖优化中的应用问题进行了研究。分析了基本萤火虫算法的全局收敛性,针对其收敛效率低的缺陷,给出了算法改进策略,并证明了改进的萤火虫算法以概率1收敛于全局最优解,在此基础上,提出了基于萤火虫优化的网络覆盖算法,建立了以网络均匀度及网络覆盖率为准则的数学模型,推导了节点冗余度与网络覆盖率之间的关系,给出了节点休眠策略,并将节点部署划分成不同的阶段,在每个阶段,分别采用改进的萤火虫算法对模型进行求解,进而得到无线传感器网络最优覆盖,最后对经典测试函数和WSNs网络覆盖问题进行实验仿真,仿真结果表明改进的算法具有更加理想的运算结果,而且能有效地给出WSNs网络覆盖优化方案。     

计算机辅助外科手术空间配准技术的研究

医学图像和实际手术空间的配准问题是计算机辅助外科手术技术的一个重要的研究热点,它能够帮助医生选择最佳手术路径和减小手术损伤,实现手术的方便快捷和微创,提高手术成功率。主要研究了一种基于ICP算法的计算机辅助外科手术中空间配准技术,通过获取实验模型的空间坐标信息,进行点集配准,找到最优旋转矩阵和最优平移向量。并通过仿真实验给出了模拟的配准结果,仿真试验结果表明,ICP算法配准精度高,适用于计算机辅助外科手术。     

基于不确定知识的粒子群优化算法

针对标准粒子群优化算法（PSO）速度更新方程存在随机参数,使得粒予扶取知识存在不完备性的问题,将不确定知识引入PSO算法中,并对个体知识、群体知识和不确定知识随机参数进行了归一化,保证算法在每一步演化中都能获得完备知识．理论分析给出了PSO—UK算法局部收敛参数条件,并证明了其具有全局优化性能．经典测试函数实验表明,所提出的PSO－UK算法具有全局搜索能力,且局部收敛精度明显优于PSO算法．     

Performance analysis of stochastic gradient algorithms under weak conditions

By using the stochastic martingale theory, convergence properties of stochastic gradient （SG） identification algorithms are studied under weak conditions. The analysis indicates that the parameter estimates by the SG algorithms consistently converge to the true parameters, as long as the information vector is persistently exciting （i.e., the data product moment matrix has a bounded condition number） and that the process noises are zero mean and uncorrelated. These results remove the strict assumptions, made in existing references, that the noise variances and high-order moments exist, and the processes are stationary and ergodic and the strong persis- tent excitation condition holds. This contribution greatly relaxes the convergence conditions of stochastic gradient algorithms. The simulation results with bounded and unbounded noise variances confirm the convergence conclusions proposed.     

一种病毒进化型遗传算法

本文提出一种病毒进化型遗传算法VEGA。此算法在一般遗传算法的基础上,通过对病毒个体和宿主体行为及相互关系的模拟,使进化个体的多样性大大提高,算法更易趋于全局极化。模拟实验验证了VEGA的优良性能。     

CMAC 算法收敛性分析及泛化能力研究

利用矩阵理论和线性方程组迭代收敛的一般性原理,在不附加特殊条件折情况下,证明了CMAC算法在批量和增量两种学习方式下的收敛定理,对在关联矩阵正定条件下得出的结论进行推广和改进。在此基础上提出了一种学习率自寻优的CMAC改进算法,并提出一种简单可行的评价CMAC网络整体泛化性能的指标,通过计算仿真验证了收敛定量的正确性和改进算法的优越性,并研究得出了CMAC网络各个参数对其泛化性能影响的相关结论。     

一个含参数的混合LS-DY共轭梯度法

对求解无约束优化问题提出了一个含参数的混合共轭梯度法.新算法将LS方法和推广的DY算法相结合,保证在Wolfe线搜索下每次迭代中的搜索方向是充分下降的.证明了该算法的全局收敛性,给出了数值实验结果.     

一类差分方程组非负解的收敛性

通过考查一类差分方程组,研究其非负解的收敛性,得到了方程组的非负解收敛于方程组的平衡点的结论,该研究的主要结果改进了相关文献中的结果．     

数值级数法求解一类时滞微分方程

采用级数形式给出半离散差分格式在网格节点处的数值解以及计算级数中的每一项递推公式。离散后差分格式收敛性、稳定性分析表明该格式收敛且稳定,数值算例验证该方法有效。