全局优化问题的一个新的无参数填充函数

求全局最优化问题的填充函数算法被提出以来，参数的选取和调整一直是制约算法有效性的因素。如何在实际的计算过程中选取合适的参数，直接影响和决定了运算速度和效率。因此，构造不含参数的填充函数就显得极为重要。提出一个新的无参数的填充函数，对其理论性质进行了分析，并给出相应的填充函数算法，数值计算验证了算法的有效性。     

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.     

基于正弦控制因子的Lateral变异鲨鱼优化算法

针对传统鲨鱼优化算法在求解高维目标函数时,易早熟收敛,陷入局部最优的缺陷.提出一种基于正弦控制因子的Lateral变异鲨鱼优化算法.通过正弦曲线的特性和自适应惯性权重,改善了传统鲨鱼优化算法中由于随机选取控制因子数值大小可能导致算法在迭代后期全局搜索能力降低的问题,提高了算法在迭代后期的全局收敛能力,并对最佳鲨鱼位置引入Lateral变异策略,加强了算法跳出局部最优的可能性.改进后的算法对多个shifted单峰,多峰以及固定维测试函数进行求解,实验结果表明,对比多种不同优化算法而言,本文所提LSSO算法具有更高的收敛精度和搜索速度.     

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.     

吲哚咔唑类异构体芳香性的研究

分别采用拓扑共振能(E_TR)和环电流(RC)方法对吲哚咔唑类化合物的全局芳香性进行了研究.根据E_TR结果,预测所有化合物都具有芳香性.分别用键共振能(BRE)和回路共振能(CRE)方法揭示了它们的局部芳香性.BRE和CRE研究结果表明,在吲哚咔唑类化合物中,由于六元环内电子的离域化程度比五元环内电子的离域化程度强,因此六元环比五元环表现出较强的局部芳香性.此外,外部六元环比中间六元环具有较强的局部芳香性.计算得到的RC结果表明,所有化合物都产生反磁性环电流,化合物产生的反磁性RC强度与它们的¹H NMR化学位移之间具有很好的一致性.     

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.