区间数的排序方法研究

指出献^[3-5]所定义的用于区间数排序的可能度存在的不足,分别给出了刻画区间数大小比较的相对优势度的定义和模糊互补矩阵排序的一种新方法。在此基础上,给出了区间数的一种排序方法。     

多约束二阶非线性常微分方程极值点的数值求解法

本文对科学研究和工程应用问题中常见的多约束二阶非线性常微分方程的极值点进行了讨论 ,提出了一种数值解法 .以带有化学反应项的热传导方程为例 ,给出了相应的计算结果 .     

关于一族有限ξ严格伪压缩映射不动点问题和平衡问题混合投影下的强收敛性

为找到一族有限ξ严格伪压缩映射不动点集及平衡问题解集的公共元素,该文利用两种混合投影方法引入了一种迭代方案,且在给与参数适当的假设下,作者得到了两个强收敛性定理.     

竞赛中二次根式的配方技巧

配方法在初中数学竞赛中有着极其广泛的应用.开阔学生视野、启迪学生思维、提高分析问题和解决问题的能力,丰富学生的课外学习内容.本文主要介绍配方技巧在二次根式中的应用.1 化简例1 (2010年全国初中数学联赛江西省初赛题)     

对流扩散问题的Crank-Nicolson差分-流线扩散法

1　引　言Streamline- Diffusion method (SD方法 )是近年来 Hughes和 Brooks提出的一种求解定常的对流占优和对流扩散问题的人工粘性有限元方法[1 ] ,[2 ] ,它具有标准有限元方法的高阶精度特点和人工粘性 Galerkin方法的稳定性特点 ,因此越来越受到人们的重视 .现在 ,SD方法已被推广到 Euler方程和 Navier- Stokes方程等发展型对流扩散问题[3 ] [4] ,但是常常采用时空有限元 [3 ] [5] ,这样能把时间和空间的精度很好地统一起来 ,却增大了数值计算的复杂性 ,基于此 [6 ]对非线性的对流占优扩散问题提出一种 Finite Difference- Strea…     

水温及其预报方法初探

本着重利用Matlab讨论了水温与气温之间的相关变化关系和利用气温预报水温的初步方法。结合武汉市气象局在武汉市东西湖区养殖场气象观测站1982年至1989年的连续观测资料给出了水温与气温之间的相关系数以及水温预报方程，并讨论了误差及消除误差的途径。     

Plate Contact问题的混合有限元逼近

论文考虑了Plate Contact问题的混合有限元逼近,其变分问题为第二类四阶椭圆变分不等问题.首先,根据正则化方法,得到原问题的正则化问题.再根据网格依赖范数技巧,考虑了正则化问题的Ciarlet-Raviart混合有限元逼近,并证明了真解与逼近解之间的误差估计.最后通过数值算例验证了理论分析的结果.     

半参数混合效应模型中的估计及其强相合性

将Tao等(1999)提出的线性混合效应模型推广为半参数混合效应模型,给出了模型参数、回归函数和随机效应密度的估计,并研究了估计的强相合性及部分强相合速度.统计模拟表明我们给出的估计方法是可行的.     

A filter method for nonlinear semidefinite programming with global convergence

In this study, a new filter algorithm is presented for solving the nonlinear semidefinite programming. This algorithm is inspired by the classical sequential quadratic programming method. Unlike the traditional filter methods, the sufficient descent is ensured by changing the step size instead of the trust region radius. Under some suitable conditions, the global convergence is obtained. In the end, some numerical experiments are given to show that the algorithm is effective.     

一种求解大型Lyapunov矩阵方程的预处理并行算法

研究了一种求解大型Lyapunov矩阵方程的并行预处理变形共轭梯度法.首先将处理小型矩阵方程的Smith预处理方法引入该问题的求解,将原矩阵方程转变为Stein方程,然后采用变形共轭梯度法并行求解预处理后的矩阵方程.其中遇到的难点是需要确定参数μ及求矩阵(A+μI)的逆.基于估计特征值的Gerschgorin圆定理给出了参数μ的估值,再采用变形共轭梯度法并行求得矩阵(A +μ l)的逆,从而形成预处理后的矩阵方程.通过数值试验,该算法与未预处理的变形共轭梯度法相比较,预处理算法明显优于未预处理的算法,而且其并行效率高达0.85.