求解病态线性方程组的模拟退火算法

病态方程组的条件数较大,当输入数据有微小扰动或计算过程中的舍入误差都可能引起输出数据的很大扰动,使得解严重失真,因此求解此类方程组是相当困难的.本文尝试使用模拟退火算法来求解病态线性方程组,得到了较好的结果,并与传统的求解方法作了简单的比较.     

求解病态线性方程组的收缩Lanczos方法

Lanczos方法是求解大型线性方程组的常用方法.遗憾的是,在Lanczos过程中通常会发生算法中断或数值不稳定的情况.将给出求解大型对称线性方程组的收缩Lanczos方法,即DLanczos方法.新算法将采用增广子空间技术,在Lanczos过程中向Krylov子空间加入少量绝对值较小的特征值所对应的特征向量进行收缩.数值实验表明,新算法比Lanczos方法收敛速度更快,并且适合求解病态对称线性方程组.     

病态线性方程组的判定方法

针对用条件数来衡量方程组的性态将随阶数增大而变得异常困难这一问题,分析了病态线性方程组产生的原因,提出了一种判定方法,探讨了对一定精度要求的解的可允许扰动的数量级,实例证明了这种方法的有效性.     

病态线性方程组新的Jacobi迭代解法

给出了解病态线性方程组的一种新的Jacobi迭代算法,并证明了算法的收敛性;通过具体算例说明了算法的实用性和有效性.     

求解病态线性方程组的预处理精细积分法

为降低病态线性方程组系数矩阵的条件数,根据矩阵行（列）均衡的思想,提出行（列）的1 范数均衡法,并扩展为范数均衡法.然后,将范数均衡法与精细积分法相结合,给出求解病态线性方程组的范数均衡预处理精细积分法.数值结果表明,经过范数均衡预处理后精细积分法求解病态方程的精度（有效数字增加5个以上）和效率（迭代次数降低15次左右）均能得到显著提高,适用范围在一定程度上也有所扩展.在上述方法中,以1 范数均衡预处理精细积分法效果最为显著.     

求解病态线性方程组的误差转移法和增广方程组法的机理及算法改进

为获得病态线性方程组的高精度解,建立了一种优化模型,其最优解等价于早先提出的误差转移法和增广方程组法;指出后两者的本质机理是通过极小化解的模来近似极小化解的误差.为使算法适用于数据有污染的情况,进行了正则化改造.证明了新算法理论上与Tikhonov正则化等价.但当正则化参数趋于0时,目标函数的不同使得两者性能迥异,新算法可直接用于数据无污染的情况,而后者仍需选取合适的正则参数.数值算例验证了算法的有效性.     

一种解病态线性方程组的单参数迭代法

基于主元加权预处理的思想,针对病态线性方程组的病态性,通过引入参数构造了一种新的单参数迭代法,并给出了收敛性分析和条件数分析.单参数迭代法结构简单,计算量小,保证了求解过程的稳定性及高效性,数值实验的结果表明,算法对极其病态的线性方程组也有较好的精度.     

解病态线性方程组的一个新算法及其解精度的估计

§1.算法的建立为简单计,本文讨论的问题为 Ax=b, (1)其中,A是n阶非奇异实方阵,b是已知的n维向量。定理1.设(1)中的b为非零向量,n阶非异方阵H使得Hb=se_n,其中s为一非零常数,e_n=(0,…,0,1)~T。设HA=LQ,L为下三角阵,Q为直交阵,则Q~T的第n列平行于解向量x。证。记Q~T=(q_1,q_2,…,q_n),L阵的第n个对角元为l_(nn),则由HA=LQ及     

用改进遗传算法求解矩阵实特征值

依据矩阵特征值的分布理论,通过确定矩阵实特征值的分布区域,用实数编码和具有自适应交叉概率和变异概率的遗传算法来求解矩阵实特征值的近似值.仿真结果表明,此算法可以达到一定的精度,具有一定的通用性.并给求矩阵特征值提供了一种快速的方法.     

An Adaptive CGNR Algorithm for Solving Large Linear Systems

In this paper, an adaptive algorithm based on the normal equations for solving large nonsymmetric linear systems is presented. The new algorithm is a hybrid method combining polynomial preconditioning with the CGNR method. Residual polynomial is used in the preconditioning to estimate the eigenvalues of the s.p.d. matrix A ^T A, and the residual polynomial is generated from several steps of CGNR by recurrence. The algorithm is adaptive during its implementation. The robustness is maintained, and the iteration convergence is speeded up. A numerical test result is also reported.     

A New Technique for Ill-Conditioned Linear Systems

The technique we propose for solving ill-conditioned linear systems consists of two steps. First we compute the regularized solution on some values of the regularization parameter . Then we use these solutions either to extrapolate at =0 or to estimate the regularized solution with determined by the generalized cross validation or by the L-curve method.     

二层线性规划的自适应遗传算法

提出了一种自适应遗传算法来求解二层线性规划问题.该方法克服了难以确定合适的交叉概率和变异概率的困难.另外,在该方法中还采用了其它一些技巧不仅解决了在采用遗传算法经常出现的有些个体不可行的问题,而且还改进了算法的效率.     

求解线性模型稳健参数估计的整数编码遗传算法

线性模型回归系数的一些稳健估计如LMS、LQS、LTS、LTA的应用越来越广泛,然而它们的精确计算依赖于NP难题,在遇到高维大规模数据集时不可能在较短时间内得到精确解.为尽快得到较高精度的近似解,提出了求解线性模型的稳健参数估计的整数编码遗传算法,通过计算机模拟试验验证了算法可以更快地找出全局最优解.     

线性方程组的多维投影算法

本文分析了求解线性方程组的一维投影算法即最小剩余法。定义了长轴陷阱及陷阱深度，用它们刻划了该算法迭代过程中锯齿现象的几何特征。本文给出了基于残差序列的避开长轴陷阱的扰动技巧，即多维投影算法。数值试验表明，投影算法要优于现在流行的主要算法。     

基于凝聚函数的互补问题的光滑化算法

对于不可微的"极大值"形式的函数,可以利用凝聚函数对其进行光滑逼近.借助这个技术,给出了求解线性互补问题的光滑方程组算法.首先是将互补问题转化为等价的非光滑方程组,再利用凝聚函数进行光滑逼近,从而转化为光滑方程组的求解问题.通过一些考题对这个算法进行了数值试验,结果显示了该算法的有效性和稳定性.