一类广义变分不等式组的隐迭代算法

依赖于投影映射的性质,许多学者在Hilbert空间研究了具不同映射的变分不等式组解的逼近问题,但在Banach空间的研究比较少.其主要原因是因为在Banach空间投影映射缺乏很好的性质.本文利用向阳非扩张保核映射(the sunny nonexpansiveretraction mapping)Q_K的性质,导出了一种隐迭代方法.用这一方法,本文的结果把[M.A.Noor,K.I.Noor,Projection algorithms for solving a system of generalvariational inequalities,Nonlinear Analysis,70(2009)2700-2706]的主要成果从Hilbert空间推广到了Banach空间.     

基于改进自适应萤火虫群算法的空调送风温度优化控制

为了提高变风量空调(VAV)送风温度系统的控制精度,减少冷冻水系统能耗,提出一种基于改进自适应萤火虫群算法(AGSO)优化的PID控制策略.建立被控对象数学模型,引入混沌搜索和变异策略,改善基本萤火虫群算法后期容易陷入震荡和局部最优的问题,利用改进自适应萤火虫群算法对冷冻水阀-送风温度PID控制进行优化.实验结果表明:...     

一种快速且全局收敛的BP神经网络学习算法

目前误差反向传播(BP)算法在训练多层神经网络方面有很多成功的应用.然而,BP算法也有一些不足:收敛缓慢和易陷入局部极小点等.提出一种快速且全局收敛的BP神经网络学习算法,并且对该优化算法的全局收敛性进行分析和详细证明.实证结果表明提出的算法比标准的BP算法效率更高且更精确.     

非扩张映像不动点新的简单逼近算法

提出了一个简单的非扩张映像不动点的逼近算法,该算法通过非迭代的逼近序列来实现.从算法的复杂性来看,提出的算法比经典的Mann迭代算法、Ishikawa迭代算法和Halpern迭代算法更简单.提出的算法紧密联系着非扩张映像不动点的存在性,因此,还得到了非扩张映像的新不动点定理, 拓展和改进了经典的Goebel-Kirk,Kim-Xu等作者的结果.     

用在线梯度法训练积单元神经网络的收敛性分析

<正>1引言仅由加和单元构成的传统前向神经网络已经广泛应用于模式识别及函数逼近等领域.但在处理比较复杂的问题时,这种网络往往需要补充大量的隐节点,这样就不可避免地增     

变量有界半定最小二乘问题

<正>1引言设A_i∈S~n,i=1,…,m,定义线性算子A:S~n→R~m,AX=(A_1·X,…,A_m·X)~T,其相应的伴随算子为A~*:R~m→S~n,且A~*y=sum from i=1 to my_iA_i.X∈S~n,b∈R~m.Malick.J在[6]中讨论了如下标准半定最小二乘问题(SDLS):     

一种修正的HS共轭梯度法及全局收敛性

<正>1引言考虑无约束极小化问题:(?),(1)其中f(x)连续可微,其梯度函数用g(x)表示.共轭梯度法求解(1)的常用迭代格式为:x_(k+1)=x_k+α_kd_k,(2)(?)(3)其中g_k=▽f(x_k),α_k≥0是由某种线搜索得到的步长因子;d_k为搜索方向,β_k为标量,β_k的不同选择产生了不同的共轭梯度法.著名的β_k公式有:     

Banach空间中m-d-增生算子零点迭代算法的构造

研究了Banach空间中m-d-增生算子零点的迭代算法的构造问题,获得了一个强收敛定理.     

基于模拟植物生长算法构造Steiner最优树问题研究

Steiner最优树问题是指对于给定区域内的点集,通过引入Steiner点集将区域中的点连接并保证连通的网络达到最小.该问题已成为经典的优化组合问题之一.提出一种基于模拟植物生长算法生成Steiner最优树的连通算法来实现网络连通.通过对实例的实验及结果分析,结果表明本算法不仅可获得最优解,精度和性能也有提高,明显优于其它方法.     

灾情巡视问题的蚁群两目标优化算法研究

分析目前灾情巡视问题求解方法存在的缺陷,归纳出灾情巡视问题两目标优化模型.针对灾情巡视问题模型特点,引入蚁群算法和多目标优化理论,提出两个灾情巡视问题的蚁群两目标优化算法:算法1将灾情巡视问题的道路网络转化为完全图,增加m-1个(m为巡视组数)虚拟巡视起点,将灾情巡视两目标优化问题转化为单旅行商两目标优化问题,然后使用蚁群算法和多目标优化理论进行迭代求解.算法2使用一只蚂蚁寻找一个子回路,m个子回路构成一个灾情巡视可行方案,采用罚函数法和多目标优化理论构建增广两目标优化评价函数,使用g组,共g×m只蚂蚁共同协作来发现灾情巡视问题的最优解.算法特点:①算法1将灾情巡视两目标优化问题转化为单旅行商两目标优化问题,可以充分利用已有蚁群算法求解单旅行商问题的研究成果;②两个算法引入蚁群算法,提高了算法效率;③两个算法克服目前灾情巡视问题的求解方法不严密性缺陷;④两目标优化算法可以为用户提供多个满足约束条件的Pareto组合解,扩大了用户选择范围,增强了算法的适用性.算法测试表明:灾情巡视问题的蚁群两目标优化算法是完全可行和有效的.