交叉变异蛙跳算法

针对基本蛙跳算法搜索速度和精度不高的缺点,将变异的思想融入基本蛙跳算法,提出了一种新的改进蛙跳算法——交叉变异蛙跳算法(KSFLA).该算法通过子族群中排名较前的个体变异产生新个体代替子群中较差的若干个体,而其余的非子群最优个体则模仿大雁飞行策略,参照前面的个体进行位置更新,充分利用群体的信息提高算法性能.实验表明,改进后的算法在收敛速度以及收敛精度方面都有了很大程度地提高.     

自适应惯性权重的改进粒子群算法

针对标准PSO算法求解高维非线性问题时存在的大量无效迭代(经过一轮迭代后全局最优位置保持不变),提出了一种自适应惯性权重的改进粒子群算法。基于单次迭代中单粒子运动状态的分析,提出并证明了论点:上一轮迭代适应度值变差的粒子,当前迭代中其惯性分量将引导粒子往适应度值变差的方向运动,导致粒子群体无效迭代次数增加。设计了标准PSO算法改进方案,将上一轮迭代中适应度值变差的全体粒子的惯性权重置为零,消除当前迭代中不利惯性分量对算法收敛的不良影响。采用6个标准测试函数,将该算法与标准PSO算法、固定惯性权重PSO算法和具有领袖的PSO算法进行性能对比分析。试验表明,该改进算法无效迭代次数更少,在收敛率、收敛速度和收敛稳定性上均具有明显的优势。     

变步长极化对消迭代滤波算法

分析了定步长自适应极化对消(APC)迭代算法,在此基础上提出了一种变步长的极化对消迭代算法,并分析了该算法的收敛条件和收敛性能。通过Matlab仿真,比较了参数变化对变步长算法收敛速度的影响,并且将定步长算法与变步长算法进行了比较,得出了变步长算法收敛速度更快的结论。     

方程迭代求根加速收敛的算法研究

文章介绍了方程迭代求根的方法。以迭代法的收敛性和收敛速度为出发点,提出并讨论了采用迭代值的组合和方程式的变换等技巧来提高迭代的收敛性并加快其收敛速度的算法。文中对算法进行了描述,并用具体实例证明了该算法的有效性。     

修正的对角化拟牛顿算法的整体化

采用ｌ１不可微微罚和一维搜索，对等式约束非线性优化算法ＩＤＱＮ的整体化进行了研究，证明了整体化的ＩＤＱＮ算法具有整体收敛性且保持局部超线性收敛性质 。     

二阶伏特拉滤波器RLS算法改进

分析了二阶伏特拉滤波器的一种快速RLS算法,针对其存在的收敛速度与收敛精度之间的矛盾,构造了遗忘因子函数并取代该算法中的固定遗忘因子,得到改进的RLS算法。提出了遗忘因子函数的构造原则并分析了相关参数的选取方法。算例表明:改进的RLS算法能解决收敛速度与收敛精度之间的矛盾,有效地加快了收敛速度。     

三阶主子阵威克逊位移的对称QL算法

本文讨论了带位移的QL算法在某种位移策略下的收敛性及收敛速度,虽然所得结论类似于威克逊(Wilkinson)位移下的相应结论,但数值计算的结果表明,这种位移策略优于威克逊位移.     

一个非线性单调问题的Schwarz算法的几何收敛性

针对两个一致重叠型子域，证明了解一个非线性单调问题的Ｓchwarz算法是几何收敛的。     

解非线性方程组的异步并行区间算法

基于ＭＩＭＤ多处理机系统，提出一种求解非线性方程组的异步并行区间算法，对算法的实现原理及结构作了详细分析，讨论了算法的收敛性及效率估计，所得结果表明该算法比常用串行区间算法的计算量小，收敛速度较好。     

含两类映射的复合迭代算法的强收敛性

通过对通常的Mann迭代算法进行修正,构造了一含有限个严格伪压缩和无限个非扩张映射簇的新迭代算法,证明了该迭代算法强收敛于这有限个严格伪压缩和无限个非扩张映射簇的公共不动点,且该不动点为某变分不等式的解.这些结果本质地推广和改进了近来许多已有的相应结果.     

Hilbert空间中κ-严格伪压缩的强收敛定理(英文)

在无穷维Hilbert空间中,即使对非扩张映像Mann,迭代算法仅有弱收敛。为了得到强收敛定理,该文利用Hilbert空间中闭凸子集的一个序列和一个给定向量作适当的凸组合修改Mann迭代算法,在Hilbert空间中给出了一个新的κ-严格伪压缩修正的Mann迭代算法——似Ishikawa迭代算法,并且建立了该算法的强收敛定理。推广和改进了一些最新的结果。     

混合策略改进的粒子群算法

针对粒子群算法易陷入局部最优、收敛精度低、收敛速度慢等缺陷,提出了基于混合策略的改进粒子群算法。使用融合Circle映射与精英反向学习的策略初始化种群,提升初始种群的质量,同时加快收敛速度;在粒子速度更新方式中引入蜘蛛移动策略平衡算法的全局搜索与局部搜索;提出了基于自适应t分布的变异策略,增强算法全局搜索和跳出局部最优能力;对15个单峰和多峰函数进行仿真实验,与其他3种算法进行了对比分析,结果表明：所提出的改进算法具有很强的寻优能力与稳定性。     

遗传聚类算法及其改进

本文给出了一种改进的基于遗传算法的聚类算法。传统的KMeans算法具有较强的局部搜索能力,但是对初始化聚类中心很敏感,容易陷入局部收敛性。基本遗传算法具有全局优化性,但局部搜索能力较差,收敛速度慢。针对二者算法的优缺点,利用了面向对象程序设计思想,结合二者的优点,提出了一种改进的遗传聚类算法。数据实验表明,该方法有效地提高了基于遗传算法的聚类算法的局部搜索能力和收敛速度。     

BP模型的改进算法及其在负荷预测中的应用

分析了BP模型学习算法——累积误差进传播算法在接近极小点时收敛速度变得异常缓慢的原因,并通过对连接权值的调整量引入权重系数,提出了一种改进的BP模型学习算法,大大加快了收敛速度,提高了收敛性。还利用提出的改进算法对某省中期负荷进行了预测,算例结果表明了该算法的有效性。     

求解作业车间调度问题的多种群改进遗传算法

在求解作业车间调度问题上,针对遗传算法的早熟收敛、对初始种群敏感等不足,提出了多种群改进遗传算法.该算法在进化过程中通过引入具有优良性能的修正种群替换进化种群的较差个体,实现了多种群杂交,以保持种群的多样性,提高了搜索效率.应用实例分析和算法对比证明了改进算法的效果和优越性.     

改进的LDPC译码算法研究

基于LDPC码的BP译码简化算法,结合RMP调度和Offset最小和算法,提出了一种改进的LDPC译码算法。在相同的前提下,改进的译码算法在计算复杂度方面,与Offset最小和算法相比,改善了算法的收敛特性;采用优化的存储方式,降低了存储需求,适合硬件实现。仿真结果表明,改进的译码算法降低了平均迭代次数,减少了量化实现占用的存储单元。     

方案聚合算法的终止准则

本文对Rockafellar和Wets提出的解随机规划的方案聚合算法给出了一个“上、下界终止准则”,克服了原准则有时不收敛到最优解的缺点,同时给出了一个加速收敛的“平均乘子”法,从而对方案聚合算法做出了重要的改进。     

一种改进的混合遗传算法及其应用

将遗传算法和模拟退火算法进行了有机结合,并采用一种自适应的交叉和变异概率,提出了一种改进的混合遗传算法--自适应的模拟退火遗传算法.通过旅行商问题的仿真实验,对比遗传算法和模拟退火算法的实验结果,这种混合遗传算法改进了传统遗传算法的性能,并且提高了整个算法的收敛速度,拥有更好的优化性能.     

误差函数计算方法的研究

误差函数已有多种计算方法，其中按e^-t^2的幂级数展开式为基础的算法，数学上是收敛的．且在科技应用范围内，数值上也是收敛的．数值积分法，如梯形法是计算误差函数更好的方法，文中给出了控制积分变量等分数目的计算公式，并得到了很好的计算结果．     

基于个体位置变异的粒子群算法

针对粒子群算法随着迭代次数的增多,其种群多样性降低,粒子群算法容易陷入局部最优的不足,提出了一种基于个体位置变异的粒子群算法。该算法在保证最终收敛的前提下极大扩展了粒子的空间搜索范围,从而降低了粒子群算法发生早熟的可能,并且程序量较小。仿真实验中,将算法应用于6个典型测试函数中,并与其它改进粒子群算法进行比较,结果表明,该算法具有较强的全局寻优能力和较好的收敛速度,明显提高了粒子群算法的优化性能。