广义分式规划的Dinkelbach型算法

考虑紧集情况下，广义分式规划问题（Ｐ）的Ｄｉｎｋｅｌｂａｃｈ型算法，并证明了该算法的收敛性     

一种混合时域有限差分方法

给出一种基于ＦＥ－ＴＤ方法和Ｄｕｆｏｒｔ－Ｆｒａｎｋｌｅ有限差分方法的混合数值算法，以计算不均匀导电大地层中的瞬态电磁场。该法提供了一种用于模拟具有任意时间波形的电磁脉冲在大地深层的传播的方法，且所需ＣＰＵ时问比ＦＤ－ＴＤ法少得多。通过与ＦＤ－ＴＤ法比较，证明了该方法的可靠性。     

区域分解法结合FFT分析TEM传输线

将区域分解法（ＤＤＭ）应用于电磁场问题分析，计算了准ＴＥＭ传输线的特性阻抗，并通过数值试验研究了区域分解法的收敛性及计算效率。利用区域分解法的优越性，在划分的几个规则子区域上引入ＦＦＴ快速算法，分析了矩形同轴线的特性阻抗。数值结果表明，区域分解法降低了计算复杂性、减小了计算规模，且提高了计算效率。     

杂化膜驻极体PVDF／SiO_2的电荷输运特性

通过常温和高温下对ＰＶＤＦ／ＳｉＯ＿２，（ＰＶＤＦ－聚偏氯乙烯）膜的恒压负电晕充电，系统地研究了充电注入的负表面电荷受激脱阱后在电荷层自身内场作用下的输运规律。确定了ＴＳＤ（ＴｈｅｒｍａｌｌｙＳｔｉｍｕｌａｒｅｄＤｉｓｃｈａｒｇｅ）的偶极峰和空间电荷峰对电荷稳定性的明显区另。实验结果表明，高温负电晕充电对该材料的驻极性能有明显的改善。     

一种共轭下降算法的全局收敛性

给出了求解无约束优化问题的一种共轭下降算法，该算法具有充分下降性的共轭梯度公式。在较为温和的条件下，利用宽松的非精确线搜索条件得到全局收敛性结果，同时数值实验表明了算法的有效性。     

概率性质的一种有趣证明

概率性质的一种有趣证明王顺钦（南阳师专数学系）概率论中，设概率空间（Ｄ，Ｆ，Ｐ），其中Ω为基本事件空间，Ｆ为由Ω的子集组成的（δ─代数）事件域，Ｐ是定义在Ｆ上的遵从公理（非负，规范，δ─可加）的集函数，在概率产的公理下，容易证明尸还具有以下基本性质：...     

直接序列扩频数字匹配滤波器

探讨用于直接序列扩频的数字匹配滤波器（ＤＭＦ）的逻辑结构和有关参数的选取问题；讨论了采用并行处理技术和快速算法的可行性，分析了量化比特数、取样间隔以及Ａ／Ｄ变换器固有的软限幅效应对系统性能的影响；为有所比较，还提到了早期的极性重合ＤＭＦ。在给出部分理论分析和计算机模拟结果之后归纳了几条主要结论，这对在目前国内条件下设计ＤＭＦ特别具有参考价值     

初始点任意的摄动梯度投影法

利用梯度投影与罚函数相结合的技巧，将带不等式和等式约束的优化问题化成一个无约束问题，提出了初始点可任意的求解不等式、等式约束优化问题的摄动梯度投影算法；参数δｋ取不同的数还可以得到一类梯度投影算法，从而得出了在搜索方向和步长不精确条件下的梯度投影法，保证了在实际应用中更容易实现；在较弱条件下，证明了该算法的全局收敛性。     

非线性规划一般约束条件的SQP方法

提出了一种新的处理等式和不等式约束条件优化问题的SQP方法，计算过程中每一步迭代只需解一个二次规划。在一定条件下，证明了算法的全局和二步超线性收敛性，其优点是具有较小的计算量，避免了Maratos现象的发生。     

频率捷变信号的频率／方向联合估计

提出一种利用并行阵列数据联合估计频率捷变信号（ＦＡＳ）的频率和ＤＯＡ算法。这种算法能同时估计频率和ＤＯＡ，并自动地将它们配对，从而识别不同的ＦＡＳ。计算机模拟结果表明这种算法是有效的。     

采用拟Newton法实现DOA及功率联合估计

为了增加移动通信的容量和链接质量,需要准确地知道到达波的方向(DOA)和功率。该文提出了多维非线性目标函数,用来波DOA和功率作优化变量,并采用拟Newton法中常用的Davidson-Fletcher-Powell(DFP)算法进行优化;将优化结果和轮换投影(AP)算法进行比较。仿真表明,当入射信号在空间相隔较远时,该结果和AP算法精度相当,当入射信号在空间接近时,该结果优于AP算法。     

基于最速下降法的人工免疫算法

由于人工免疫算法受到收敛速度相对较慢,局部搜索能力较弱、求解全局最优解需要的群体规模相对较大等因素的影响,本文将最速下降法与人工免疫算法结合,提出了一种新的混合算法。数值实验结果表明,该算法能够找到更优的优化结果,并且在收敛速度上明显优于传统的人工免疫算法。     

半无限规划的递归二次规划算法

本文对于半无限规划问题提出了WHP递归二次规划算法,并证明此算法具有整体收敛性。     

动态变异遗传算法

遗传算法是根据达尔文生物进化理论而提出的一种优化算法。该文提出了一种新的遗传算法,理论分析显示,它不仅能保持遗传种群的多样性,而且能快速收敛。计算机仿真实验证明了改进后的遗传算法能够有效地克服不成熟收敛、进而搜索到全局最优解,并将这种新遗传算法用于BP网络的拓朴结构的优化和连接权值的训练,实例表明了该算法的有效性和可行性。     

一类新的自适应非单调谱投影梯度法

给出了求解凸约束优化的一类新的自适应非单调谱投影梯度法.通过引入具有自适应性的权重参数,使算法在迭代过程中能自动调节非单调策略. 在适当条件下证明了算法的收敛性.数值试验结果表明,该算法在一定程度上能减少在线搜索过程中对非单调参数M的依赖.     

混合学习法前向网络多属性储层参数预测

应用前向网络描述地震属性和储层参数间的非线性映射关系时，经典的误差反向传播算法存在收敛速度慢，易陷入局部极值等诸多不足。研究了融合粒子群优化算法和误差反向传播算法的混合学习法前向网络多属性储层参数预测技术。粒子群优化算法是一种群体随机搜索演化计算技术，具有较快的收敛速度和较强的全局搜寻能力；误差反向传播算法本质上是梯度下降算法，注重局部搜索。混合学习法为两种学习算法交替执行，首先以粒子群优化算法训练网络，当误差能量在规定的迭代次数内不再发生变化时，采用误差反向传播算法实现局部寻优。理论函数逼近测试和实际储层参数预测实验说明了混合学习法具有学习时间短、求解效率高、可靠性强的优点，具有良好的应用前景。     

解不等式约束优化问题的一种修正的SQP方法

提出了一个解不等式约束优化问题的新方法,克服了SQP方法中线性化约束不相容的问题,同时利用Li-Fukushima提出的求解无约束问题的MBFGS公式对Hessian矩阵进行修正,在适当的条件下,证明了算法的全局收敛性.     

求解复杂旅行商问题的混合粒子群算法

针对粒子群算法在解决组合优化时存在早熟和易陷入局部最优的问题,提出一种求解旅行商问题( TSP)的混合 粒子群算法。将粒子群算法与遗传算法结合,引入遗传算法中的交叉和变异操作,通过个体极值和群体极值的交叉以及 粒子自身变异的方式增加种群的多样性,避免粒子陷入局部最优,提高算法的局部搜索能力。仿真结果表明,新的混合 粒子群算法在解决TSP问题时具有较好的收敛性及优化效果。     

快速遗传算法研究

提出了一种称为广义自适应遗传算法的快速遗传算法,它首先产生均匀分布的初始种群,其次根据种群模式的状况决定是否引入“高品质”移民,最后自适应地进行交换和变异运算。其搜索性和全局收敛性比现有的许多遣传算法都有明显的改善,并通过仿真说明了该改进遣传算法的有效性。     

基于蚁群BP神经网路算法的六维力传感器解耦研究

针对传统BP神经网络在六维力传感器解耦训练过程中,由于其初始参数的选取不确定性导致神经网络出现震 荡、收敛速度缓慢和陷入局部极值等问题,提出一种基于蚁群BP神经网络算法并应用于六维力传感器解耦研究。该算 法利用蚁群算法在种群寻优方面的优越性,通过局部和全局信息素更新相结合的方式更新信息素,提高蚁群算法搜索的 效率,为BP神经网络提供一组最优的训练初始参数,网络收敛速度得到很大地提高,同时局部极值和震荡等缺点也有一 定的改善。实验仿真结果表明,在六维力传感器神经网络模型训练过程中,达到同样的目标误差,基于蚁群BP神经网络 算法的迭代次数Ⅳ比传统算法少50%,运行时间r快60%。这说明蚁群BP种经网络算法在六维力传感器解耦研究中 有着很好的应用效果。