标准的微粒群优化算法的收敛性分析

本文利用矩阵理论对具有随机数的标准微粒群优化算法进行了收敛性分析，给出了c=d=1 和c=1 两个收敛性结果。     

压缩系数的微粒群优化算法的收敛性分析

该文利用矩阵理论对具有随机数的压缩系数的微粒群优化算法进行了收敛性分析,给出了c=d=1和c=1两种收敛性结果,同时图形化给出了参数选择准则.     

一个非单调BFGS信赖域算法

将新的BFGS校正公式Bk 1=Bk yk*y*k TsTkyk*-BksksTkBkskTBksk,与文献[16]中的算法相结合给出一个非单调BFGS校正的信赖域算法.该算法在假设条件:(i)存在常数c1,c2,c3,使得对所有的Δk>0,gk∈Rn,对称正定阵Bk∈Rn×n,有p redk≥c1 gk m in{Δk,c2 gk,c3 gk/Bk};(ii)若B-k 1≤Δk,则dk=-B-k 1gk;(iii)f(x)是二次连续可微函数,2f(xk)是L ip sch itz连续,水平集(x0)有界下,具有全局收敛性和Q-二次收敛性.     

双随机Dirichlet级数的收敛性和增长性

文章研究系数{Xn}满足∑n=0^＋∞P{｜Xn｜≥n^p}〈＋∞，∑n=0^＋∞P{n^p｜Xn｜≥c}=＋∞（任意〉0）及指数在条件limλn/Eλn=1下的双随机Diriehlet级数的收敛性和增长性。     

关于体上方阵的三角分解

研究了体上方阵的三角分解,得到下述结论:设K为体,A∈GLn(K),且A非中心,A~0 0…0an-1 0…0an-1┇┇┇┇-1a1.(1)n≥2,b1,b2,…,bn,c1,c2,…,cn,c∈K*,适合detA=b1c1b2c2…bncn,则存在P∈GLn(K)L=b1b2*bn-1bn,U=c1c2*cn-1c使A=(PLP-1)(PUP-1),其中c=c.     

大样本下偏正态分布参数的假设检验

对偏正态分布.N(0,σ2,c),导出了假设H0:c=c0,σ2=σ20→H1:c≠c0或σ2≠σ20和H0:c=c0,σ2=σ20→H1:c≠c0或σ2>σ20的检验方法,讨论了它们的功效近似下界.最后给出一个应用实例.     

用不动点定理讨论递推数列的收剑性

本文用不动点定理讨论由递推关系X_n=f(X_n-1)给出的数列{x_n}_(n=1)~∞的收敛性并探讨递推数列收敛性与函数之间的关系。     

两个幂等算子线性组合的Drazin逆(英文)

设P和Q是希尔伯特空间H上的幂等算子,且非零复数c1,c2满足c1,c2∈\C{0}.利用算子分块技巧,分别讨论了在PQP=0、PQP=P和PQP=PQ条件下,线性组合c1P+c2Q的Drazin逆表达式.     

Gauss-Newton法的半局部收敛性

设f:Rn→Rm 是Frechet可微的 ,m≥n .则非线性最小二乘问题可描述为下面的极小化问题 :minF(x) :=12 f(x) Tf(x) .Gauss Newton法是求解非线性最小二乘问题的最基本的方法之一 ,其n + 1步迭代定义为 :xn + 1=xn - f′(xn) Tf′(x) -1f′(xn) Tf(xn) .本文主要研究解非线性最小二乘问题的Gauss Newton法的半局部收敛性 .假设f(x)在B(x0 ,r)内连续可导且f′(x0 )满秩 ,若f的导数满足Lipschitz连续F′(x) -f′(x′)≤γx -x′ , x ,x′∈B(x0 ,r) .在一个关于初始点x0 的判断准则c =f(x0 ) ,β =f′T(x0 )f′(x0 ) -1f′(x0 ) T ,β2 cγ <1 1 0下 ,Gauss Newton法产生的序列 {xn}收敛到一个驻点x ,从而给出了Gauss Newton法的半局部收敛性 .     

关于Banach空间中无穷级数收敛性的注记

研究了Banach空间X中的级数∞↑∑↓n=1 xn的收敛性、绝对收敛性、弱无条件收敛性、无条件收敛性与可和性等概念之间的关系，证明了：当X为一般Banach空间时，无条件收敛性与可和性是等价的；当X为Hilbert空间时，弱无条件收敛性、无条件收敛性及可和性是等价的；当X为数域时，无条件收敛性与绝对收敛性及可和性是等价的。     

一种新型的遗传算法在图象阈值处理中的应用

提出了将自寻优标准遗传算法用于阈值处理的思路与方法,论证了实施该方法的可行性,并针对此算法的不足之处提出了一种新的改进型遗传算法。仿真结果表明,新算法的计算速度不仅明显优于前者,而且为自动选择阈值参数提供了简单有效的方法。     

一种新的伪并行遗传算法

利用混沌序列的伪随机性,将混沌引入伪并行遗传算法,提出了伪并行混沌遗传算法。对3个检测函数的仿真实验表明该算法能较好地克服早熟现象及收敛速度慢的问题,优于伪并行遗传算法、显著优于标准遗传算法。     

适用于多峰函数优化的改进顺序生境遗传算法

针对标准顺序生境 (SN )算法在求解复杂优化问题时遇到的困难 ,提出了两种改进策略。一种策略是新的保存最优解策略 ,即在遗传算法的选择和杂交两个阶段之间 ,用已经找到的某些峰替代当前种群中最差的部分个体 ;另一种策略是对那些与已找到的峰相近或相似的个体采用较高概率进行变异 ,而不是将其适应值降低。将标准 SN算法与以上两种策略相结合 ,提出了 4种新 SN算法 ,还采用一个复杂欺骗性问题作为验证算法有效性的手段 ,结果说明 ,这些算法均能有效地找到该问题所有 32个全局峰     

基于遗传算法的拖拉机动力换挡过程动态控制方法

拖拉机重负荷作业时,发动机处于全油门工作且换挡过程中发动机在调速段扭矩变化较大,导致换挡过程中离合器接合时产生扭矩突变。为了解决这一问题,提出离合器同步阶段油压控制方法,在充分考虑拖拉机作业特征和动力换挡品质的要求后,以车速变化量、冲击度及滑摩功等为评价指标,采用遗传算法对拖拉机动力换挡过程进行了分析设计,结果表明,换挡过程各项指标均在标准之内。     

混合遗传算法在砂土液化势评价中的应用

基于历史地震液化实例资料和现场实测 SPT值 ,建立了应用混合遗传算法的砂土液化势智能评价模型 ,并实际评判了特大型润扬长江公路大桥工程区的砂土液化 ,且进一步分析和研究了桥址区潜在液化层的空间分布规律和概率统计特征 ,并与规范判定法结果作了对比 ,取得了较好的成果。实例应用表明了该法是可行和可靠的 ,为大桥的设计和施工提供了科学依据 ,对基础工程的可靠性分析和最优设计具有重要实际意义     

遗传算法优化性能评价准则研究

为了克服传统遗传算法优化性能评价准则（如在线性能、离线性能）忽略随机因素对算法的影响，从而不能准确评价算法性能的缺点，提出了一种基于平均偏离距和偏离距标准差的新的遗传算法优化性能评价准则，给出了平均偏离距和偏离距标准差的数学定义，并分析了它们的泛函意义．由于平均偏离距和偏离距标准差采用遗传算法多次运行结果的统计参数来评价算法的性能，因此能够较好地消除随机因素对算法性能的影响．同时，应用所提出的评价准则研究了二进制码和格雷码对遗传算法优化性能的影响．基于F2函数的数值实验结果表明，与二进制码相比，格雷码的平均偏离距和偏离距标准差指标都比较低，因此能够更好地提高遗传算法的优化性能．     

改进花朵授粉算法

智能系统试图模拟人类专家来解决复杂的现实问题。问题的领域从工程、工业到医学、教育都各不相同。在大多数情况下,系统需要根据多个输入进行决策,但是搜索空间通常很大,因此很难使用传统的算法进行决策;元启发式算法可以用作寻找最优解的一种工具。因此,改进元启发式技术和现有算法是必要的。本文介绍了一种改进的花朵授粉算法(FPA)。将标准的FPA与克隆选择算法(CSA)结合,应用到23个优化基准函数上,并对其进行测试。将改进算法与五种著名的优化算法(模拟退火、遗传算法、花授粉算法、蝙蝠算法和萤火虫算法)进行比较。实验结果表明,相比标准FPA和其他四种方法,改进花朵授粉算法能够找到更精确的解。     

模糊C均值聚类算法在高炉料面分类中的应用

通过对多雷达扫描得到的高炉料面进行数据处理,根据数据的特征,分别采用模糊C均值聚类和特征加权模糊C均值聚类算法对料面数据进行分类,建立标准料面模型库.再通过模糊模式识别中贴近度的方法把待分类的目标料面与模型库相匹配,为后续的布料控制提供依据.该算法在某2500 m3高炉上进行了实验,取得良好的效果.仿真结果表明了其有效性.