不用求导含参数的三阶收敛迭代方法

基于弦截法和Steffensen迭代法,本文提出了求解非线性方程f(x)=0的两种带有参数的迭代算法,这两种算法不带有导数,且经过收敛性分析证明至少是三阶收敛的,最后用数值试验验证了本文两种迭代算法的有效性和优越性.     

具有参数平方收敛的线性插值迭代类

提出了一类具有参数平方收敛的求解非线性方程的线性插值迭代法,方法以Newton法和Steffensen法为其特例,并且给出了该类方法的最佳迭代参数.数值试验表明,选用最佳迭代参数或其近似值的新方法比Newton法和Steffensen方法更有效.     

求解非线性方程七阶收敛的牛顿迭代修正格式

本文研究了非线性方程求解的问题.利用泰勒公式和耦合方法,获得了一种求解非线性方程的加速收敛的七阶迭代改进格式,该格式不需要计算高阶导数,且具有更大的收敛半径,大大提高了计算效率.     

求解非线性方程根四阶收敛的迭代格式

提出了求解非线性方程根新的四阶收敛迭代方法,新方法每次迭代只需要两次函数计算,一次一阶导数值计算,效能指数达到1.587.通过几个数值算例来解释该方法的有效性.     

关于不用计算导数的大范围收敛迭代法的注记

1　引　　言在文 [1 ]中我们借助于动力系统方法导出了求连续函数 ｆ(ｘ)在区间 [ａ ,ｂ]上单零点ｘ 的一个大范围收敛的连续性方法 .此处 ｆ(ｘ)满足李氏条件 ,且 ｆ(ａ) <0 ,ｆ(ｂ) >0 .这个连续性方法由动力系统ｄｘｄｔ =- ｆ(ｘ)ｘ( 0 ) =ｘ0 ∈ [ａ ,ｂ]( 1 )确定 ,其解析解ｘ(ｔ ,ｘ0 )具有性质ｌｉｍｔ→ +∞ｘ(ｔ,ｘ0 ) =ｘ ,　　ｘ0 ∈ [ａ ,ｂ].　　为了数值地求出ｘ ,我们利用显式欧拉法ｘｎ+ 1=ｘｎ -ｈｎｆ(ｘｎ)ｘ0 =ｂ　ｏｒａ ( 2 )来求 ( 1 )式的解 .其中ｈｎ>0 ,为步长 .它的选择满足文 [1 ]中的不等式ａ<ｘｎ+ 1<ｘｎ,…     

具有参数的不带有导数的平方收敛的迭代法

1.引 言 考虑数值求解非线性方程 f(x)=0, (1)其中实值函数f(x)在实零点x*的某邻域U(x*)内连续可微且f'(x)≠0. 牛顿法是科学与工程计算中数值求解(1)的常用数值方法.虽然它一般至少是二阶收敛的,但它需要调用导数值,这使其应用受到限制.我们修改牛顿法,用割线代替切线可得不带     

一个阶为2+\sqrt{6}的Newton改进算法

针对非线性方程求单根问题,提出了一种新的Newton预测-校正格式.通过每步迭代增加计算一个函数值和一阶导数值,使得每步迭代需要估计两个函数值和两个一阶导数值.与标准的Newton算法的二阶收敛速度相比,新算法具有更高阶的收敛速度2+\sqrt{6}.通过测试函数对新算法进行测试, 与相关算法比较,表明算法在迭代次数、运算时间及最优值方面都具有较明显的优势. 最后,将这种新格式推广到多维向量值函数, 采用泰勒公式证明了其收敛性,并给出了两个二维算例来验证其收敛的有效性.     

两类五阶解非线性方程组的迭代算法

本文首先根据Runge-Kutta方法的思想,结合Newton迭代法,提出了一类带参数的解非线性方程组F(x)=0的迭代算法,然后基于解非线性方程f(x)=0的King算法,给出第二类解非线性方程组的迭代算法,收敛性分析表明这两类算法都是五阶收敛的.其次给出了本文两类算法的效率指数,以及一些已知算法的效率指数,并且将本文算法的效率指数与其它方法进行详细的比较,通过效率比率R_(i,j)可知本文算法具有较高的计算效率.最后给出了四个数值实例,将本文两类算法与现有的几种算法进行比较,实验结果说明本文算法收敛速度快,迭代次数少,有明显的优势.     

求解非线性方程组的SPH迭代方法

运用光滑粒子流体动力学方法的理论探讨求解非线性方程(组)的SPH迭代方法并通过数值试验来验证该方法的有效性。     

关于迭代数列的审敛法

从迭代数列及其基本性质出发,给出单调有界定理、压缩映象原理、Cauchy收敛准则和上(下)极限四种判别迭代数列收敛的方法.     

修正的三次收敛的牛顿迭代法

给出了牛顿迭代法的两种修正形式,证明了它们都是三阶收敛的,给出的相互比较的数值例子有力地说明了这一点.     

修正的三阶收敛的牛顿迭代法

给出了牛顿迭代法的两种修正形式,证明了它们是三阶收敛的,数值实验表明,与其它已知的三阶收敛的牛顿迭代法相比,修正的牛顿迭代法具有一定的优势.     

具随机性误差隐迭代程序的收敛性

在任意Banauch空间中,证明了有限族渐近半压缩映象具随机性误差的隐迭代程序逼近其公共不动点的强收敛性定理.所得结论推广和改进了引文中的相应结果.     

GAOR迭代法收敛判别准则

本文将文「１」中给出的判别超松驰（即ＳＯＲ）迭代法的一个收敛性准则推广到ＧＡＯＲ迭代法，并且去掉了Ａ为不可约矩阵或／ａｉｉ／＋ｕｉ〉０（ｉ＝１，２，…，ｎ）这一条件，本文的结果所涉及的和收敛范围，均扩广交包含了文「１」中的定理。     

A Neural Network-Based Policy Iteration Algorithm with Global $$H^2$$ -Superlinear Convergence for Stochastic Games on Domains

In this work, we propose a class of numerical schemes for solving semilinear Hamilton–Jacobi–Bellman–Isaacs (HJBI) boundary value problems which arise naturally from exit time problems of diffusion processes with controlled drift. We exploit policy iteration to reduce the semilinear problem into a sequence of linear Dirichlet problems, which are subsequently approximated by a multilayer feedforward neural network ansatz. We establish that the numerical solutions converge globally in the \(H^2\)-norm and further demonstrate that this convergence is superlinear, by interpreting the algorithm as an inexact Newton iteration for the HJBI equation. Moreover, we construct the optimal feedback controls from the numerical value functions and deduce convergence. The numerical schemes and convergence results are then extended to oblique derivative boundary conditions. Numerical experiments on the stochastic Zermelo navigation problem are presented to illustrate the theoretical results and to demonstrate the effectiveness of the method.

     

Local Convergence of the Symmetric Rank-One Iteration

We consider conditions under which the SR1 iteration is locally convergent. We apply the result to a pointwise structured SR1 method that has been used in optimal control.     

A RECURSIVE ALGORITHM AND ITS CONVERGENCE FOR PARAMETER ESTIMATION OF CONVOLUTION MODEL

In this article, the problem on the estimation of the convolution model parameters is considered. The recursive algorithm for estimating model parameters is introduced from the orthogonal procedure of the data, the convergence of this algorithm is theoretically discussed, and a sufficient condition for the convergence criterion of the orthogonal procedure is given. According to this condition, the recursive algorithm is convergent to model wavelet A- = （1, α1,..., αq）.     

非线性问题的参数迭代求解法

提出一种对非线性问题的参数迭代求解法,算例表明,其一次迭代解便有很好的精度.     

关于伪压缩映射Mann迭代程序的收敛过程

在q一致光滑Banach空间中,讨论了一类非线性伪压缩映射和增生算子Mann迭代程序的收敛问题,对所得结论推广并改进了已知相关的结果.