计算Pascal矩阵谱半径和相应特征向量的一个快速算法

研究Pascal矩阵谱半径及其对应特征向量的数值求解算法问题,利用幂法和Pascal矩阵的性质给出了一个有效的迭代求解算法,该算法每一步迭代只用到浮点数的加法运算。同时数值实验显示,该算法具有较高的精度和较快的收敛速度。     

计算Pascal矩阵谱半径和相应

研究Pascal矩阵谱半径及其对应特征向量的数值求解算法问题,利用幂法和Pascal矩阵的性质给出了一个有效的迭代求解算法,该算法每一步迭代只用到浮点数的加法运算。同时数值实验显示,该算法具有较高的精度和较快的收敛速度。     

带互异权值的渐进迭代逼近算法及其应用

在计算机辅助几何设计(CAGD)领域,渐进迭代逼近(PIA)算法因其具有很好的自适应性和收敛稳定性,被广泛应用于插值与逼近问题.其中带权渐进迭代逼近(WPIA)算法通过调整向量加权明显加快了收敛速度.提出了一种带互异权值的渐进迭代逼近算法,不仅操作灵活,还可根据需要对各控制顶点进行调整,实现不同的迭代效果;同时通过引入一个参数,给出了可调权值迭代算法,当参数取合适值时,该算法的收敛速度比带权PIA算法更快,且权值取法不依赖于配置矩阵的特征值.最后用数值实例,通过对Bézier曲线、张量积Bézier曲面,以及三角Bézier曲面进行迭代,展示了该算法的有效性.     

张量积型Said-Ball曲面的预处理渐近迭代逼近法

为加快张量积型 Said-Ball曲面渐近迭代逼近法的收敛速度,探讨了张量积型Said-Ball曲面渐近迭代逼近法的预处理技术。首先利用对角补偿约化技术构造了预处理子,然后结合矩阵Kronecker积性质,采取预处理渐近迭代逼近法求解张量积型Said-Ball曲面。为进一步降低计算量并提高算法的稳定性,利用广义极小残差法求解预处理方程,得到预处理渐近迭代逼近法的非精确求解方法。分析了预处理渐近迭代逼近法及非精确求解方法的收敛性。最后用数值实例说明预处理子能大大减小迭代矩阵的谱半径,令预处理技术及其非精确求解方法的计算效率明显提高。此外,由于对角补偿预处理子能改善配置矩阵的谱分布,因此也可用于对广义极小残差法的预处理,以改善其收敛性。     

基于差分演化算法的双曲型方程参数识别

差分演化算法在求解复杂优化问题时具有简单、高效的优点.本文将差分演化算法用于求解一类双曲型偏微分方程的参数识别问题,并根据所求问题的特点对算法进行了若干改进:包括基于帽子函数的参数表示和个体编码方法,用于增强算法性能的一般反向学习机制和平滑算子,以及将Tikhonov正则化和全变差正则化相结合的个体适应度计算方法.数值模拟显示,本文的算法可有效求解一维双曲型偏微分方程的参数识别问题.该算法不仅获得了高质量的近似解,而且还具有较快的收敛速度.     

不平衡迭代法在非负矩阵分解中的应用

为了加快非负矩阵迭代算法的收敛速度及快速的收敛于目标函数,提出了一种叫做不平衡迭代的算法。数值实验表明,新的算法比传统的非负矩阵分解方法具有更快的收敛速度。     

基于非凸非光滑变分模型的灰度图像泊松噪声移除算法

基于非凸变分方法在图像边界结构保持和对比度保持上的优势，针对泊松噪声的移除问题提出一种新的非凸非光滑正则化模型及快速求解算法。模型由非凸Lipschitz势函数复合图像梯度信息的正则化项和非线性Kullback-Leibler数据保真项两部分构成。通过使用临近点线性化策略，将求解非凸变分模型转化为求解一系列凸变分模型，进而使用交替方向乘子法求解。同时证明了算法的目标函数值序列具有单调下降性。实验结果表明，该方法能有效消除图像中的泊松噪声，且信噪比较经典算法有明显提升。     

求解非埃尔米特正定方程组的广义LHSS迭代法

基于矩阵的埃尔米特和反埃尔米特分解,李良等给出了一类求解非埃尔米特正定方程组的LHSS迭代法,在系数矩阵的埃尔米特和非埃尔米特之间进行了非对称迭代,在较松弛的约束条件下即可获得收敛结果.本文对该方法做进一步研究,给出了一类求解非埃尔米特正定方程组的广义LHSS迭代方法.数值结果表明,系数矩阵经恰当分解,在处理某些问题时广义LHSS迭代法优于HSS迭代法.     

广义病态方程的Tikhonov正则解

对于双方带扰动数据的病态方程(即所谓广义病态方程)，借助对Tikhonov正则化算法的改进，给出一种优良的正则化求解方法。     

预条件在谐波平衡仿真算法中的应用

在运用谐波平衡算法对射频集成电路进行仿真时，针对Krylov子空间迭代算法在计算速度和内存存储量等方面存在的限制问题，提出了一种运用稀疏-分段矩阵作为预条件的方法．该方法采用稀疏化、分段压缩以及对称连续超松弛处理，得到的预条件矩阵是原Jacobian矩阵的良好近似．实例表明运用这种稀疏-分段矩阵作为预条件，不仅保证了迭代算法的准确性和优良的收敛性，解决了用块对角矩阵作为预条件时引起收敛速度变慢甚至无法收敛的问题，而且与块对角矩阵做为预条件相比计算速度提高了近50％，所需内存存储量减少了近60％．     

一种改进的近地表层析成像SIRT算法

针对联合迭代重建技术(simultaneous iterative reconstruction technique,SIRT)臆用于近地表层析成像时,由于系数矩阵A与旅行时残差△t不完全匹配而易出现修正过度的问题,本文提出一种改进的SIRT算法.用炮点与榆波点的距离d修正约束旅行时残差△t,改进了A与△t的匹配性较差的问题.验箅结果表明:该算法能够有效地抑制修正过度现象,而得到较好的重建图像.     

一种求解混合整数非线性规划问题的演化算法--搜索空间自动收缩法

提出一种求解混合整数非线性规划问题的新的演化算法 -搜索空间自动收缩法 (ACSSOS) .在这种算法中 ,演化算法既用来定位最优解区域 ,实现搜索空间自动向全局最优解收缩 ,又用来最终求得最优解 .由于在遗传算子中引用了舍入操作 ,它不仅可用来求解混合非线性整数规划问题 ,也可求解纯整型或纯实型变量非线性函数优化问题 .数值试验结果表明本文的算法在解的质量、稳定性和收敛速度等方面优于一般的演化算法 .     

求解模糊线性方程组的对称加速超松驰迭代方法

研究并给出了求解模糊线性方程组(记为FSLE)的对称加速超松驰迭代算法(SAOR),同时利用FSLE的系数矩阵与用嵌入法得到的等价线性方程组的系数矩阵的关系,给出了算法的收敛条件。此外,论文最后给出了几个数值实验,实验的结果显示,利用SAOR方法求解模糊线性系统方程组的解的精确度     

基于共轭梯度法的盲分离在线算法

在严格论证盲分离问题与数学上的最优化问题等价的基础上,把问题的重点集中在对该最优化问题的寻优上.由于盲分离最优化问题的目标函数的特点,在欧氏空间中对决策变量(分离矩阵W)进行寻优求解带来诸多复杂因素,寻优算法在弯曲的黎曼空间中动态运行是解决这些问题的一条可行途径.为此,本文在改进 NGA 和 PDFA 算法的基础上,结合在线算法 PDEA 在估计信号的得分函数的较好效果,和求解最优化问题的共轭梯度法较快收敛性能,提出了具有自学习能力,并继承共轭梯度法特点的盲分离在线算法 PDEA-CONJ.此算法应用到盲分离问题中,在混合矩阵严重病态情况下能取得了较好分离效果.实际算例验证了其收敛性和有效性.     

不精确分式规划的一种有效算法

对于不精确分式规划,给出一个具有简单形式的等价规划以及一个参数规划．提出有关它们之间联系的一些基本理论,构造了通过求解参数规划来求解不精确规划的一簇算法．在一定的假设下,该簇算法的收敛速度至少是线性的．通过每次迭代中适当的选择参数可以得到具有全局收敛性的超线性算法,并且该簇算法在每次迭代时参数的取法有很大的灵活性,从而在求解时允许有较大的误差而无损于相应的收敛速度．     

解线性方程组的一种预处理方法

用迭代法求解线性代数方程组时,由于收敛条件较严,只能对一些特殊矩阵(如对角占优、对称正定矩阵等)构造迭代公式.针对一般的线性代数方程组,本文采用预处理的手段. Gauss-Seidel迭代法做出了改进,可以将Gauss-Seidel迭代法不收敛的线性方程组,选取适当的预处理因子,使得线性方程组预处理迭代收敛.     

解（1,1）块对称不定线性系统的广义修正SSOR迭代法

在大规模稀疏线性系统中,对于2×2系统中（1,1）块矩阵为不定矩阵的鞍点问题,本文建立了求解（1,1）块为对称不定线性系统的GMSSOR方法。关于大型稀疏线性系统鞍点问题的对称和不确定条件,采用了强迫正定的方法,然后利用分裂方法构造了求解系数矩阵中1×1块是对称不定的鞍点问题的迭代方法,证明了这种新的迭代方法的收敛性。最后通过数值算例表明,具有适当参数的GMSSOR方法比具有最优参数的MSSOR方法具有更快的收敛速度。     

对ICBGCM混沌图像加密算法的安全性分析

针对一个用于图像加密的密码算法(ICBGCM)在已知罔像条件下的安全性问题,给出了求解加密算法等效密钥的攻击算法.该算法基于ICBGCM算法所使用的广义混沌Cat映射的短周期性和仿射特性,在已知图像的条件下,通过求解两个线性无关的加街前后的图像像素灰度值点,获得广义混沌Cat映射的全部等效密钥参数.利用穷尽方法求出加密算法的其余等效密钥.给出了应用该算法的具体步骤,并分析了攻击算法的计算复杂性.所得结果证明了lcBGCM算法在已知图像攻击下是不安全的.     

在GPU上求解大规模优化问题的反向策略的PSO算法

本文通过对传统粒子群算法(PSO)的分析,在GPU(Graphic Process Unit)上设计了基于一般反向学习策略的粒子群算法,并用于求解大规模优化问题.主要思想是通过一般反向学习策略转化当前解空间,提高算法找到最优解的几率,同时使用GPU大量线程并行来加速收敛速度.对比数值实验表明,对于求解大规模高维的优化问题,本文算法比其他智能算法具有更好的精度和更快的收敛速度.     

扰动方程的优化正则解及其收敛阶估计

在扰动方程的正则化求解问题中,解的收敛性估计是十分重要的．针对Wang Y Y等在2001年中所给出的正则化解法结果,给出相应正则解的收敛阶估计．