求解超定线性方程组的修正ABS算法

将求解亚定线性方程组的基本ABS算法进行修改,使之适用于求解超定线性方程组。基本ABS算法的许多性质仍然保持。     

线性方程组并行迭代求解的收敛性

文章利用近似逆矩阵构造了一类求解线性方程组的并行迭代算法.分析了算法的收敛性,给出了参数的取值范围及最优值计算公式.     

超定线性方程组极小l1范数解的一个算法

利用极小l1模剩余向量,将l1范数极小化问题转化为先求一个约束不可微最优化问题,再解一个相容的线性方程组。最后的算例表明该算法具有简单、易于操作等优点。     

求解大型线性方程组的GATOR方法

本文建立了求解大型方程性方程组Ａｘ＝ｂ的一处新的迭工法－－ＧＡＴＯＲ方法，讨论了系数矩阵Ａ在不同情况下的算法的收敛性问题。     

遗传算法在求解超定方程组中的应用

只有在极特殊的情况下超定方程组才有精确解,一般情况下都是求超定方程组在某种意义下的近似解.使用两种非数值算法———遗传算法和模拟退火算法求得超定方程组的最小二乘解,对它们的原理、参数设置进行了比较分析,数值实验的结果显示这两种方法是非常有效的.     

求解一类块线性代数方程组的LU分解算法

本文针对一类块线性代数方程组的大型、稀疏的特点,采用压缩存储技术,设计出了LU分解算法,计算表明:该算法效果良好。     

一类解超定非线性方程组的乘子算法的局部收敛性

提出一类解超定非线性方程组的乘子算法，并且证明了算法的局部超线性收敛性．     

一类特殊形状线性方程组的解法及其应用

给出了线性方程组当Ａ为一般方阵时解的表达式和迭代解法,并给出了它在等式约束二次极值问题中的一个应用。     

块交替拟Newton法与超定方程组求解

本文推广了交替拟Ｎｅｗｔｏｎ方法至块的形式，并将它应用于成组超定方程组的求解，证明了对于给出的ｐ组ｍ×ｎ的线性超定方程组，方法具有至多（ｍ＋１）／Ｐ步迭代的有限终止性．     

超定方程组约化的一种方法

讨论偏微分方程组的约化问题,提出了规范型及约化方法,对规范型给出形式级数解的求法及求有限阶Ｔａｙｌｏｒ展式的算法。这些算法有助于克服数值求解大型约束方程组中遇到的某些困难。用于处理各种对称的确定方程组,可获得非线性微分方程的某些精确解。     

复线性方程组ABS方法

首次给出求解复线性方程组的 ABS算法 .它是通过研究复矩阵空间 Cm× n( m≥ 1 ,n≥ 1是任意整数 )与 R2 m× 2 n中一个子空间的同构关系得到的 .证明了复 ABS算法与求解一特殊块结构的实方程组的分块 ABS算法是一一对应的 .给出了复 ABS算法的若干重要性质 .     

基于神经网络的病态线性方程组求解

提出了一种基于神经网络的病态线性方程组求解方法。将病态线性方程组的一般系数矩阵转化为对称正定矩阵,然后将此方程组的求解转化为一个无约束优化问题。以此优化问题的目标函数作为神经网络的能量函数,利用最速下降原理构造神经网络的动力学方程,并证明该神经网络系统的稳定性。从而把原病态线性方程组的求解问题转化为一个等价的神经网络优化问题。最后通过两个算例的数值仿真求解以及与其他求解方法的比较,验证了该方法的可行性与有效性。     

线性系统极点配置的神经网络算法

利用人工神经网络，讨论了线性定常控制系统关于状态反馈，输出反馈及动态补偿器的极点配置问题，对状态反馈问题采用一个二级四层BP网求解，对输出反馈问题采用一个二级五层BP网求解，而对动态补偿器问题亦可采用一个二级五层BP网求解，这些极点配置方法便于计算机实现。     

求解线性和非线性方程组的一种通用算法

提出一种求解线性和非线性方程组的通用算法——蒙特卡罗算法.实际例子的计算结果表明,该算法比其他数值方法更为有效、简捷和通用,并能达到预期的精度.     

解病态线性方程组的遗传算法

提出了求解病态线性方程组的一种新方法－遗传算法，这是一种模拟自然遗传和达尔文进化理论的并行随机优化算法，首先，详细描述了遗传算法，然后，为了应用遗传算法，将病态线性方程的求解转化为无约束优化问题来解决，最后，给出计算机模拟结果并与其他方法作了比较。     

求解线性互补问题的神经网络方法

研究了线性互补问题.基于解的充分必要条件,提出了求解它的一个神经网络模型;构造了恰当的Liapunov函数,给出了该模型稳定和大范围渐近收敛的充分条件;研究了其全局指数稳定性,并用数值实例说明了该模型的可行性和有效性.该模型不需要设定网络参数,可用来求解一类非单调的互补问题.     

线性多目标规划的神经网络方法

基于对偶理论和射影理论,提出了一个求解大规模线性多目标规划问题的新神经网络,严格证明了该网络是Lyapunov稳定的,并且大范围渐近收敛于它的平衡点,而且该平衡点正是线性多目标规划问题的非劣解。     

解水平线性互补问题的神经网络

考虑了单调的水平线性互补问题 .基于其结构特点 ,通过引入新向量 ,提出了求解它的两个简单的神经网络模型 .严格证明了所提出的模型均是 Lyapunov稳定的 ,并且大范围渐近收敛于原问题的一个精确解 .新模型的规模均与原问题相同 ,并且不含任何参数 .数值试验表明新模型不仅可行 ,而且有效     

求解非线性方程组的一种新方法及应用

针对非线性方程组求解问题提出一种变异量子粒子群算法,该算法首先把非线性方程组的求解转化为约束优化问题,然后根据可行性规则,引入约束违反度函数,结合变异算子,不断地寻找更优可行解,逐渐达到搜索全局最优解。数值实验表明,所设计变异量子粒子群算法是可行的、有效的,是求解非线性组的一种成功算法。