避免导映照求逆的变形Newton迭代的收敛性和误差估计

主要证明了Banach空间中避免导映照求逆的变形Newton迭代在统一判定条件下的收敛性,并给出它和Newton迭代的误差估计,最后给出了两个积分方程算例。     

Banach空间中Newton法的收敛性

本文在导算子满足平均的中心 Lipschitz条件下建立了 Newton法的收敛性定理 ,并把它应用到解积分方程上去.     

关于奇异非线性方程组的Newton法的收敛性

在Lipschitz条件下,建立了为求奇异非线性方程组的解的Newton法收敛的判别条件．同时也给出了Newton法收敛球的半径的估计．     

用类实现数学表达式屏幕输入的C++程序

给出了数学表达式屏幕输入的C^ 程序,并用类进行了封装．封装之后,成了一个独立模块．以Newton求根迭代程序为例说明,该模块可以方便地嵌入在需要它的其他程序里．     

关于Newton-Cote's数值积分公式的修正

对Newton—Cote’s数值积分公式进行了研究,证明了当n=9时的Newton—Cote’s数值积分公式是可行,积分误差是可以控制．最后通过数值例子验证了Newton—Cote’s积分当8≤n≤200时,除n=9以外理论上是不可行．     

求解不可导算子的迭代法及其收敛性分析

主要研究了非线性算子不可导情形下Newton迭代型的收敛性.通过将不可导算子F分解为可导部分H和不可导部分G,借助Hernndez采用的修正迭代公式,分析了Newton型迭代的收敛性.相比Hernández的结果,本定理所需条件较弱,并且具有较好的误差估计公式.     

关于奇异点不精确Newton方法的收敛性

本文讨论并给出了奇异点不精确Newton方法线性收敛的充分与必要条件。     

一种基于重置的变结构前馈神经网络

基于GaussNewton法的前馈神经网络虽然可以达到局部二阶收敛速度．但网络结构中如果结点个数过多，会造成过模拟；网络结点过少。又会导致不收敛。为了优化神经网络结构，尝试引入重置算法(Early Restart Algofithm)，并将其应用于Gauss Newton前馈神经网络．提出基于重置的Gauss Newton变结构前馈神经网络。对比实验表明，重置算法的引入有效地解决神经网络的结构优化问题，优化后的神经网络具有良好的收敛性与稳定性。     

在一阶Fréchet可微条件下的变形Halley法

介绍了一族从三阶收敛的Halley法得到的二步法来近似Banach空间中非线性方程的解.在与Newton法收敛相同的Lipschitz条件下,通过使用一个新的递归关系,证明变形Halley法收敛,并给出了非线性算子方程的解的存在惟一性定理.     

避免二阶导数计值的迭代族在一阶Frechet可微条件下的收敛性

介绍一族避免二阶导数计值的带两个参数的迭代法来近似Banach空间中非线性方程的解.在与Newton法收敛相同的Lipschitz条件下,通过用一个递推关系证明了此迭代族的收敛,并给出了非线性算子方程解的存在惟一性定理.     

弱条件下若干变形牛顿迭代的收敛性

各种变形牛顿迭代法在解不同复杂程度的非线性方程f(x)=0时有各自的优缺点。在Smale点估计理论引导下，作者利用优序列方法，研究了弱条件下，减少导映照计值次数，避免导映照求逆两种变形牛顿迭代在求解时的收敛性问题。对此两种迭代法分别建立了各自的收敛性定理，证明了在弱条件下，两种方法产生的迭代序列均收敛于f(x)=0的惟一零点，并给出了误差估计。     

加速牛顿迭代收敛的新方法

提出了加速牛顿迭代收敛的新思想，构造出一类加权牛顿迭代格式，通过选取最优加权因子，使得该格式具有高阶收敛性和较小的渐近误差常数。     

关于逼近零点的几点注记

在Smalc的牛顿迭代的点估计中,逼近零点对判断迭代的收敛性具有很重要的作用.本文讨论了逼近零点的性质及与弱逼近零点的关系.同时,改进了Smale关于弱逼近零点的一个结果.最后,给出了逼近零点的收敛半径.     

黎曼流形上向量场奇异点的惟一性和简单牛顿迭代法

在中心Lipschitz条件下,证明了黎曼流形上向量场的简单牛顿迭代法的收敛性和黎曼流形上向量场的奇异点的惟一性定理.     

基于演化的信赖域方法

把全局搜索性能优良的演人算法与具有总体收敛性能的信赖域算法相颌合形成局部随机搜索与全局确定性搜索相结合的演变信赖域,经具有适应性广，收敛性能好和收敛速度快的特点，为解决复杂的非线性优化问题提供了一种有效算法，并证明了算法的收敛性。     

张量积型Said-Ball曲面的预处理渐近迭代逼近法

为加快张量积型Said-Ball曲面渐近迭代逼近法的收敛速度,探讨了张量积型Said-Ball曲面渐近迭代逼近法的预处理技术。首先利用对角补偿约化技术构造了预处理子,然后结合矩阵Kronecker积性质,采取预处理渐近迭代逼近法求解张量积型Said-Ball曲面。为进一步降低计算量并提高算法的稳定性,利用广义极小残差法求解预处理方程,得到预处理渐近迭代逼近法的非精确求解方法。分析了预处理渐近迭代逼近法及非精确求解方法的收敛性。最后用数值实例说明预处理子能大大减小迭代矩阵的谱半径,令预处理技术及其非精确求解方法的计算效率明显提高。此外,由于对角补偿预处理子能改善配置矩阵的谱分布,因此也可用于对广义极小残差法的预处理,以改善其收敛性。     

物理摆的多吸引子混沌状态实现与理论模拟

本文首先利用一个物理摆实现了多吸引子混沌现象,并对产生混沌的关键因素及相图进行了分析,然后从力学原理出发用计算机对该系统进行了,得到了与实验相图符合得很好的理论模拟相图,并在模拟相图中验证了混沌对初始状态的敏感性。