一种自适应Dai-Liao共轭梯度法

共轭梯度法是一种解决大规模无约束优化问题的重要方法.本文对Dai-Liao (DL)共轭梯度法的参数进行了研究,提出了一种新的自适应DL共轭梯度法.在适当的条件下,证明了该方法的全局收敛性.数值结果表明,我们的方法对给定的测试问题是有效的.     

一类正则化参数自由的线性约束凸优化问题的预测-校正算法

我们对文章的结构做这样的安排:第二节给出本文需要的预备知识;第三节简述单个目标函数问题(1.1)的己有算法和求解可能遇到的困难,第四节给出解决问题的预测-校正方法;第五节和第六节对问题(1.2)分别陈述己有方法的固有困难和我们提出的解决方案.最后,在第七节中,我们为提出的方法给出统一的算法框架,证明这类算法的收敛性和遍历意义下的收敛速率,同时给出我们的一些结论.     

一个基于非单调技术的超记忆梯度法

本文给出一个修正的非单调线搜索策略,并结合该策略提出一个求解无约束优化问题的超记忆梯度算法.该算法的主要特点是:在每一次迭代中,它所产生的搜索方向总是满足充分下降条件.这一特性不依赖于目标函数的凸性以及方法所采用的线搜索策略.在较弱的条件下,该方法具有全局收敛和局部R-线性收敛性.数值实验表明了该方法的有效性.     

面向仿真数据的电网运行方式可视分析

对真实电网提出故障发生的假设并通过计算检验，观察故障对真实电网的影响。电网仿真能有效发现电网运行中的问题，被广泛应用于电网规划与电网运行方式调整。然而，在实际仿真计算过程中，往往需要依据经验调整电网配置和计算参数，以得到稳定、收敛的电网运行方式。大规模的仿真数据、调整的未知性加之分析的片面性会影响传统人工调整的准确性，为此提出了基于可视化的仿真计算调整方法。分析人员通过与可视分析系统的交互，可以快速认识电网的整体状态，发现问题元件，从而实现高效的仿真调整与计算。最后通过案例分析验证了本可视分析系统的有效性。     

一类分数阶Langevin方程block-by-block算法的数值分析

分数阶Langevin方程有重要的科学意义和工程应用价值，基于经典block-by-block算法，求解了一类含有Caputo导数的分数阶Langevin方程的数值解.Block-by-block算法通过引入二次Lagrange基函数插值，构造出逐块收敛的非线性方程组，通过在每一块耦合求得分数阶Langevin方程的数值解.在0<α<1条件下，应用随机Taylor展开证明block-by-block算法是3+α阶收敛的，数值试验表明在不同α和时间步长h取值下，block-by-block算法具有稳定性和收敛性，克服了现有方法求解分数阶Langevin方程速度慢精度低的缺点，表明block-by-block算法求解分数阶Langevin方程是高效的.     

C-伪预解式的逼近

引入了C-伪预解式的概念,并讨论了它的一些性质及收敛性,最后给出了C-伪预解式收敛的一个充分条件.     

M-矩阵线性互补问题模系多分裂迭代方法的收敛性

首先证明了M-矩阵的H-相容分裂都是正则分裂,反之不成立.这表明对于M-矩阵而言,其正则分裂包含H-相容分裂.然后针对系数矩阵为M-矩阵的线性互补问题,建立了两个收敛定理:一是模系多分裂迭代方法关于正则分裂的收敛定理;二是模系二级多分裂迭代方法关于外迭代为正则分裂和内迭代为弱正则分裂的收敛定理.     

一类弱奇性Volterra积分微分方程的级数展开数值解法

本文考察了一类弱奇性积分微分方程的级数展开数值解法,并给出了相应的收敛性分析.理论分析结果表明,若用已知函数的谱配置多项式逼近已知函数,那么方程的数值解以谱精度逼近方程的真解.数值实验数据也验证了这一理论分析结果.     

分数扩散模型的参数估计及其应用

研究分数扩散模型的参数估计及其应用问题.分数扩散模型是一类由分数Brownian运动驱动的随机微分方程.主要结果有:(1)利用二次变差方法给出模型中扩散系数的估计量,通过最小二乘法给出模型中漂移系数的估计量;(2)证明这些估计量的一致收敛性和渐近正态性;(3)利用MCMC方法对此估计量进行验证,并通过R软件将上述模型以及参数估计量应用到SHIBOR利率中进行实证研究.     

NA随机变量阵列的完全矩收敛性

利用NA随机变量的矩不等式和截尾方法,研究了NA随机变量阵列的完全矩收敛性,给出了证明NA随机变量阵列完全矩收敛性的一些充分条件.所得结果推广了已有文献关于NA随机变量的相应结果.