高校数学课程探究性教学法三例

分别以典型问题、典型方法、典型例题为中心实施探究性教学,可提高大学生研究性学习能力.     

一种无约束全局优化的水平值下降算法

本文研究无约束全局优化问题,建立了一种新的水平值下降算法(Level-value Descent Method,LDM).讨论并建立了概率意义下取全局最小值的一个充分必要条件,证明了算法LDM是依概率测度收敛的.这种LDM算法是基于重点度取样(Improtance Sampling)和Markov链Monte-Carlo随机模拟实现的,并利用相对熵方法(TheCross-Entropy Method)自动更新取样密度,算例表明LDM算法具有较高的数值精度和较好的全局收敛性.     

网络教室中的教学活动

在当前教学条件下，网络教室的个别化教学可视为一种最理想的教学组织形式之一。本初步探讨了网络教室教学的基本特征，学生学习活动的特点，以及教师的作用。     

一种求解双目标规划的非精确交替方向法

本文提出了一种求解双目标规划的直接算法---非精确交替方向方法,并证明了算法的收敛性.初步的数值实验说明了所提出的算法是有效可行的.     

可分离凸优化问题的非精确平行分裂算法

针对一类可分离凸优化问题提出了一种非精确平行分裂算法.该算法充分利用了所求解问题的可分离结构,并对子问题进行非精确求解.在适当的条件下,证明了所提出的非精确平行分裂算法的全局收敛性,初步的数值实验说明了算法有效性.     

相互屏蔽的M＼D＼2排队系统优化

用多目标规划方法研究相互屏蔽的M\D＼2排队系统，得到关于系统优化的若干定理及其规划模型，在给定参数条件下得到了模型的数值解．     

凸二次整数规划的随机水平值逼近算法

对凸二次整数极小化问题提出了一种随机水平值逼近算法,该算法应用了重点取样技术,并利用极小化相对熵的思想来更新取样密度．对算法的渐近收敛性进行了证明,给出了数值实验的结果．     

一种全局优化的随机水平值逼近算法

对一类在闭箱上处处有定义的单峰目标函数的全局优化问题,提出一种随机水平值逼近算法,证明了算法的渐近收敛性.数值结果验证了算法的有效性.     

一种求解全局优化问题的修正相对熵算法及其收敛性

相对熵算法是一种应用随机模拟技术求解组合与连续全局优化问题的高效率方法.本文给出一个修正的求解全局优化问题的相对熵算法(MCE),并在假设所求解的问题仅有一个全局最优点的条件下,给出了修正算法的渐近收敛性.数值结果显示,MCE算法至少和CE算法具有同样的有效性.     

一种求解非线性互补问题的多步自适应Levenberg-Marquardt算法

本文采用Modulus-based变换将非线性互补问题转化为非光滑方程组,并将一种多步自适应Levenberg-Marquardt方法推广应用于求解所得的非光滑方程组,从而得到原问题的解.在适当条件下,本文证明了算法的全局收敛性.与一种已有的参数自适应Levenberg-Marquardt方法(PSA-LMM)相比较,...