基本解方法求解一个三维线弹性力学反问题

将用于求解椭圆型偏微分方程边值问题的基本解方法应用于求解一个三维线弹性反问题,即Navier方程组的Cauchy问题.基本解方法离散方程所得的线性方程组是高度病态的,常见的求解方法如最小二乘法等无法得到合理的解.文中应用Tikhonov正则化和截断奇异值分解这两种正则化方法求解线性方程组,所需正则化参数则根据L-曲线确定,克服了问题的病态性.数值算例表明,本文方法能有效地求解三维线弹性力学反问题,而且这两种正则化方法所得到的结果精度相当.     

双曲型方程激波捕捉的物理信息神经网络（PINN）算法

双曲型方程的数值求解算法研究一直是偏微分方程研究的热点，其中，双曲型方程的间断捕捉是难点。受物理信息神经网络（physics-informed neural networks,PINN）启发，构造了改进的PINN算法，近似求解双曲型方程的间断问题。将坐标构造的数据集作为神经网络的输入，将PINN算法中的损失函数作为训练输出值与参考解（基于细网格的熵相容格式数据）或准确解的误差值，通过网络优化，最小化损失函数，得到最优网络参数。最后用数值算例验证了算法的可行性，数值结果表明，本文算法能捕捉激波，分辨率高，且未产生伪振荡。     

应用精英反向学习策略的混合差分演化算法

针对传统差分演化算法在演化后期收敛速度变慢的问题,利用精英个体的良好信息,在一般反向学习方法的基础上,提出精英反向学习策略,并融合降低参数敏感性和变异策略敏感性的机制,设计了一种基于精英反向学习策略的混合差分演化算法(EOCoDE),从理论上证明了该算法的全局收敛性.新算法使用精英反向策略初始化种群,在进化过程中,如果满足预设定的学习概率,就执行精英反向算子,否则,随机组合参数知识库和策略知识库中的知识来产生差分演化种群.对比实验结果表明,精英反向学习策略比一般反向学习策略具有更强的搜索能力,EOCoDE算法的性能具有明显优势.     

一种基于精英云变异的差分演化算法

针对传统差分演化算法在演化过程中存在少数个体出现停滞的现象,提出一种基于精英云变异的差分演化算法.该算法在演化过程中统计出每个个体的停滞代数,当一个个体的停滞代数达到指定的阈值时,对该个体执行精英云变异操作,使其向最优个体靠近,从而加快收敛速度;同时以一定的概率对所有个体执行一般反向学习操作,以增加种群的多样性.对比实验结果表明该算法在收敛速度和求解精度上均具有一定的优势.     

偏微分方程的演化建模方法

考虑抛物型方程的参数反演问题,给出了一类偏微分方程的演化建模方法．根据样条插值理论,把无穷维空间上的反问题转化成有限维空间上的反问题来近似,利用演化算法来估计参数的反演值,数值结果证明了此方法的有效性．     

试射法在求解二阶线性微分方程边值问题中的应用

对二阶线性微分方程的边值问题(第一类、第二类及第三类边值条件),通常可利用古典的差分方法进行求解,即通过对微分方程离散化而求解线性方程组得到原微分方程的解.通过数值实验说明试射法也可作为求解二阶线性微分方程的一种有效算法且能保证具有较高的精度.     

基于学习的动态多目标方法求解约束优化问题

提出一种用多目标技术求解约束优化问题的算法.该算法有3个特征:1)将约束优化问题转化为等价的动态约束多目标优化问题,然后用动态约束多目标演化算法求解动态约束多目标优化问题;2)演化初始阶段,拓宽约束边界以使整个种群可行;演化过程中,约束边界微弱的收缩以确保动态约束多目标演化算法中种群的大多数个体仍是可行的,这使动态约束多目标演化算法如同多目标演化算法求解无约束问题一样有效;3)采用基于学习的机制自适应调整演化算法的参数,以提高算法效率.实验结果表明,与4个当前较为先进的约束处理算法相比,本文算法效果更优.     

用格子Boltzmann方法与拟小波方法研究二维扩散方程

提出二维简单格子Boltzmann模型,并用其模拟扩散方程ut=uxx＋uyy,得到与精确解完全吻合的数值结果,成功地将格子Boltamann方法应用到二维偏微分方程的数值求解中;同时构造了二维问题的正则化样本尺度函数,在此基础上得到了二维问题的拟小波离散格式,并将其应用到扩散方程的数值求解中,得到与精确解拟合得非常好的数值结果.     

L1/2范数正则化模型修正方法在结构损伤识别中的应用

利用结构损伤时损伤参数所具有的稀疏性,基于灵敏度分析的有限元模型修正方法,提出一种结合L1/2范数正则化过程的结构损伤识别方法。与以Tikhonov正则化为代表的二次型正则化过程相比,L1/2范数正则化可以有效改善识别结果过度光滑的缺陷;与以L1范数正则化为代表的一次型正则化过程相比较,L1/2范数正则化识别结果更准确。二维框架模型为例的损伤识别数值模拟表明,L1/2范数正则化方法与模型修正方法相结合可以有效抑制实测模态参数中噪声的影响,对于结构局部损伤有更好的识别效果。 更多还原     

非线性压电杆波动方程的几类新精确解

应用修正tanh-coth方法求解了非线性压电杆波动方程,得到了包括孤波解在内的双曲函数解和三角函数周期波解等一些不同形式的新精确解,并给出了一些具有物理意义的解的图像。从求解过程可以看出,在求解非线性数学物理偏微分方程的问题方面,修正tanh-coth方法是一种简便、有效的方法。     

基于l_p正则化图像去模糊的快速广义迭代收缩算法

将图像去模糊问题转化为求解l_p正则化的非凸优化问题,提出了一种求解l_p正则化问题的快速广义迭代收缩算法(FGISA,fast generalized iterative shrinkage thresholding algorithm).该算法通过对广义迭代收缩算法(GISA,generalized iterative shrinkage thresholding algorithm)的梯度项添加一个加权矩阵,并结合Nesterov梯度加速方法达到加快算法收敛速度的目的.由于加权矩阵仅仅与模糊矩阵有关,并且不随迭代过程变化,因此,与GISA相比FGISA并不增加算法的计算复杂度.文章给出了算法收敛性的理论分析.实验结果表明FGISA算法在收敛速度和图像恢复效果方面对GISA算法均有较大的改进.     

反常玻色子系统量子统计力学的相干态表述

本文引入反常玻色子系统的相干态和新定义的分布函数,将正则密度矩阵的Bloch方程、非平衡态密度矩阵的von Neumann方程以及Heisenberg运动方程转换为可分离变量的偏微分方程,并给出了它们的形式解,还讨论了便于微扰求解的相互作用表象。     

Chebyshev多项式过滤子方法求解Poisson方程未知源问题

Poisson方程未知源识别问题是一类重要的不适定问题.由于经典Tikhonov正则化方法具有饱和效应,采用Chebyshev多项式过滤子方法给出其近似解。并且分别在先验和后验正则化参数选取规则下给出其相应的近似解的最优阶误差估计。     

耗散结构和差分变异混合的鸡群算法

针对标准鸡群算法在求解高维优化问题时过早收敛于局部最优和收敛速度慢等问题,提出了一种耗散结构和差分变异混合的鸡群算法.该算法通过将耗散结构引入至雄鸡位置的更新公式,扩大了鸡群的搜索空间,增强了算法的全局搜索能力;同时,通过对随机选择的个体进行差分变异操作,增强了算法的收敛性能.对选取的18个标准函数进行仿真实验,结果表明,算法的收敛精度、收敛速度和稳定性均明显优于其他几种算法.     

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。     

一类非齐次椭圆方程组非常弱解的正则性

研究一类非齐次项是p-Laplace算子的椭圆方程组非常弱解的正则性。结合Hodge分解以及偏微分方程正则性理论的证明技巧，建立了具有p-Laplace型椭圆方程组的非常弱解与经典意义下的弱解之间的关系。     

一阶双曲型方程若干数值格式的对比分析

基于求解一阶双曲型方程的经典差分格式,提出了三种改进数值格式.以满足间断初值的线性对流方程为例,从理论和数值实验两方面对上述所有的格式进行比较分析.结果表明改进的数值格式具有较高的分辨率,并且有效地减弱了振荡现象.     

一种具有噪声估计能力的图像恢复正则化方法

利用小波为正则化方法提供了一种估计噪声能量的机制，根据估计得到的噪声能量，再利用经典正则化方法求解正则化参数，从而得到正则化解，实验结果表明估计噪声能量机制的正则化方法，在噪声能量和原图像能量信息未知的情况下，具有较快的计算程度和较好的恢复能力。     

Kadomtsev-Petviashvilli方程的直接相似约化

Clarkson和Kruskal发展的直接法(CK直接法)是求解非线性微分方程相似约化的一种强有力的方法. 本文以Kadomtsev-Petviashvilli(KP)方程为例, 运用CK直接法把KP方程简化为3种类型的(1+1)维偏微分方程, 这3种偏微分方程等价于经典Lie方法得到的3种具有不同独立变量的相似约化方程. KP方程的解包含了更多经典Lie方法所遗漏的任意函数, 例如, CK直接法得到的第3类约化可以分为3个子情形, 而经典Lie法得到的KP方程的第3类解只是我们结果的一个子情形的特例.     

二维抛物型方程反问题的数值解法

用遗传程序设计反演二维抛物型方程右端函数模型并在求解右端函数的适应值评价中我们采用正则化来解决反演中的不适定问题。数值实验结果表明采用此算法为高维的抛物型方程的反演问题提供了一种崭新的实用方法。