测地距离的基本解方法求解各向异性热传导方程

基本解方法属于径向基函数类方法,它使用微分算子的基本解作为基于欧氏距离的径向基函数．借助测地距离,给出了求解各向异性材料中的热传导方程的基本解方法．该方法无需对时间进行离散或Laplace变换,也无需进行变量变换,而是直接在整个时间空间区域上进行求解．文中给出了数值例子,来验证基于测地距离的基本解方法在求解该各向异性问题时的稳定性和有效性．     

用测地距离的基本解方法求解非齐次各向异性热传导方程

近年来,径向基函数类方法数值求解偏微分方程问题越来越受欢迎．借此提出了一种求解非齐次各向异性热传导方程的基于测地距离的基本解方法,该方法属于径向基函数类方法,它无需进行变量变换,也无需计算奇异积分．用截断奇异值分解（TSVD）求解病态线性方程组．后面的数值例子将验证这种方法的稳定性和有效性．     

广义基本解方法求解一维非齐次热传导方程的反边界值问题

给出一种求解一维非齐次热传导方程反边界值问题的无网格方法,即广义基本解方法．该方法将问题的解分成特解和相应齐次问题的解两个部分：齐次解用基本解方法求解,而特解则是利用相应的特征方程的基本解近似得到．鉴于所考虑问题的不适定性,应用截断奇异值分解和L曲线准则求解离散后得到的高度病态的线性方程组．最后给出数值例子说明该方法的稳定性和有效性,并分析了数值解精度与各参数之间的关系．     

基本解方法求解各向异性材料中热传导方程的时间反向问题

最近,HON和WEI给出了求解各向同性热传导反问题的基本解方法．该方法提供了一种在整个时间空间区域上的行之有效的数值格式．本文尝试将该无网格方法推广应用于求解各向异性材料中热传导方程的时间反向问题．首先,通过变量转换得到该问题的控制方程的基本解．接着,应用截断奇异值分解和L-曲线准则求解所得的高度病态的线性方程组．最后给出几个数值例子展示本方法的有效性,并分析了解的精度跟参数T、最终时刻的关系．     

一种求解Robin反问题的边界型无网格方法

给出一种求解非齐次稳态热传导方程Robin反问题的边界型无网格方法. 该方法首先利用Newton法则将Robin反问题转化为Cauchy问题,然后用边界粒子法处理非齐次项以避免区域内部的离散节点,并结合基本解方法分别求得近似特解以及相应齐次问题的近似解. 鉴于所考虑问题的不适定性,引入截断奇异值分解和L-曲线准则来求解离散后得到的高度病态的线性方程组. 最后给出数值例子说明该方法的稳定性和有效性.     

混合边界条件下广义二维多项时间分数阶扩散方程的解析解

广义多项时间分数阶扩散方程已被用于描述一些重要的物理现象,目前,有关该类方程在高维情形下满足混合边界条件的研究仍较少.利用分离变量法考虑有界区域上广义二维多项时间分数阶扩散方程,方程中关于时间变量的分数阶导数采用Caputo分数阶导数的定义,其阶分别定义在［0,1］,［1,2］.而关于空间变量的偏导数则定义为传统的整数阶导数（二阶）,得到了有界区域上广义二维多项时间分数阶扩散方程满足非齐次混合边界条件的解析解.亦可用于求解其他类型的满足不同边界条件的分数阶微分方程的解析解.     

双曲型方程激波捕捉的物理信息神经网络（PINN）算法

双曲型方程的数值求解算法研究一直是偏微分方程研究的热点,其中,双曲型方程的间断捕捉是难点。受物理信息神经网络（physics-informed neural networks,PINN）启发,构造了改进的PINN算法,近似求解双曲型方程的间断问题。将坐标构造的数据集作为神经网络的输入,将PINN算法中的损失函数作为训练输出值与参考解（基于细网格的熵相容格式数据）或准确解的误差值,通过网络优化,最小化损失函数,得到最优网络参数。最后用数值算例验证了算法的可行性,数值结果表明,本文算法能捕捉激波,分辨率高,且未产生伪振荡。     

一类两个指标的非常系数齐次递推式之解

给出了两个指标的非常系数齐次递堆式的显式解．该解为其系数与初始值的显函数．它为求解组合计数中的有关问题，直接提供了一个具体的计算公式．     

各向异性误差模型高精度求解基础矩阵算法

对极几何,又称基础矩阵（fundamental matrix）是描述左右两幅重叠图像的一个几何不变量．传统求解基础矩阵的方法忽略或简化了数据不确定性对数据的影响,导致解的精度低、误差大．本文首先将求解问题统一到参数估计中,接着利用各向异性误差模型对数据不确定性进行了准确描述．最后推导出它在非线性函数中的扩散．该过程减少了数据不确定性对解的影响,提高了解的精度．此外,根据测量值函数的常数项特性现象,结合奇异性消除,避免了求解过程中的数值不稳定性,降低了求解的误差．实验数据验证了本文方法的正确性和可行性．     

简单量子进化算法及其在数值优化中的应用

提出了一种简单量子进化算法，它仅用一个实数值表示一个量子位，并设计了特别的旋转、变异算子和评估量子染色体的方法，只用一个个体就可在很短的时间内搜索到最优解．求解数值优化问题和NiH问题的对比试验结果显示了此算法优异的性能．     

应急决策中基于问题与解关系的案例调整方法

针对应急方案调整问题,提出了一种基于案例问题与解决方案之间关系的决策分析方法.通过混合相似度法计算目标案例与历史案例间的综合相似度,并将其融入历史案例的问题与解决方案属性中,进而根据向量余弦夹角定义计算问题与解决方案之间的关系.应急方案调整除需考虑问题与解决方案之间的夹角关系,还需考虑问题与解决方案的模的大小.最后,用算例说明该应急案例调整方法的有效和实用性.     

巴拿赫空间中Landweber迭代算法的收敛性

为了得到可逆问题的近似解, 在Banach空间中引入Bregman距离, 构造迭代步长, 得到Bregman距离序列在迭代中单调递减的性质. 然后利用非线性Landweber迭代算法, 证明了该算法的收敛性.     

万有Teichmüller空间不同模型中的测地线唯一性

研究万有Teichmülle空间不同模型中的测地线的唯一性问题。证明了在万有Teichmülle空间中存在两个点,它们之间的测地线唯一,但在万有Teichmülle空间的Schwarz导数与Pre-Schwarz导数模型中,这两个点所对应的点之间的测地线不唯一。     

广义毕达哥拉斯犹豫模糊集混合加权距离测度及决策应用

在毕达哥拉斯犹豫模糊数的距离基础上,定义毕达哥拉斯犹豫模糊集（Pythagorean hesitant fussy set,PHFS）的加权距离测度和有序加权距离测度,在兼顾属性权重和位置权重的基础上,提出广义PHFS混合加权距离测度（D_GPHFHWA）,并研究其性质和特殊形式。针对属性值为毕达哥拉斯犹豫模糊数且属性权重未知的多属性决策问题,利用毕达哥拉斯犹豫模糊指数熵确定属性权重,并结合逼近理想解排序法（technique for order preference by similarity to an ideal solution,TOPSIS）思想,提出基于D_GPHFHWA测度的决策方法。最后,通过实例验证所提方法是有效、合理的。     

网格模型PDE曲面重建中的边界曲线构造

利用偏微分方程(PDE)进行曲面拟合是计算机图形学研究领域中的常用方法,该类方法通过选取适当的边界条件来构造PDE,用PDE的解来表示几何曲面.基于网格简化方法和离散曲面测地线计算等技术,提出一种从网格模型提取PDE曲面片边界条件曲线的方法.首先,对复杂模型进行简化并分片处理;通过计算离散曲面的测地线为每个分片定义相应的PDE边界条件曲线,进而构造复杂模型的PDE拟合表面.最后,通过细分方法建立原模型的多分辨率表示.实验表明,该方法可以对具有不同几何复杂度的网格模型进行处理,产生具有细分连通性的多分辨网格模型.     

基于遗传算法的静态环境全局路径规划

静态环境中移动机器人全局路径规划一直是路径规划中的一个重要问题.作者提出了基于遗传算法的静态环境下机器人全局路径规划方法.该方法首先提出机器人工作空间中环境信息的神经网络模型,并利用该模型建立机器人免碰撞路径与神经网络输出的关系,然后将需规划的路径的二维编码简化成一维编码,并把免碰撞要求和最短路径要求融合成一个适应度函数.通过对算法进行实验仿真表明,提出的全局路径规划方法是正确和有效的.     

一类二阶非线性微分方程边值问题的有效解法

证明了一类非线性常微分方程初值问题的解关于初始斜率的单调性,并在此基础上有效运用二分法对于此类非线性常微分方程值问题进行求解.     

自适应迎风格式求解奇异摄动两点边值问题的高精度算法(一)

基于误差校正方法给出了用等分布原理求解一类奇异摄动两点边值问题的自适应数值新算法,用理论方法和数值试验证明了该算法的可行性和高效性.     

一类随机二层规划问题的近似求解方法收敛性分析

利用离散化的方法来处理连续型随机变量,将含有连续型随机变量的一类随机二层规划问题转化为一系列确定二层规划问题,证明了这种近似逼近问题的解上图收敛到原问题的解.