广义渐进拟非扩张映射族的带误差的隐式迭代序列的收敛定理

在凸度量空间中,对两个广义渐进拟非扩张映射族引入了带误差的隐式迭代序列,在一定条件下证明了该迭代序列是柯西列,并收敛到其某个公共不动点.

凸度量空间中渐近拟非扩张映射的带误差的隐式迭代序列的收敛定理

在凸度量空间中引入一种有限渐近拟非扩张映射的带误差的隐式迭代序列,证明了在一定条件下此序列是柯西序列,从而得到了在完备的凸度量空间中该序列收敛到两个有限渐近拟非扩张映射族的某个公共不动点.

带混合误差的粘滞迭代算法的强收敛定理

通过使用预解算子技术,引入并研究了一类新的找两个非扩张映象公共不动点与松弛(γ,r)-余强制映象的变分不等式解的公共元素带混合误差的粘滞迭代算法,建立了强收敛定理,从而改进和推广了一些已知结果.

对带误差项的Banach空间中完全广义集值拟变分包含的摄动迭代算法(英文)

研究了一类新的实Banach空间中的广义集值拟变分包含:f ∈ N(x,y)+M(z,v)+W(g(u)-h(w),u),它包含了近几年许多作者所作的变分包含问题.在实Banach空间中,利用极大增生算子的性质,建立了Banach空间中的广义集值拟变分包含和不动点问题间的等价性.利用这种等价性,建立了一些摄动迭代算法,并证明了近似解序列强收敛于精确解.本文的算法和结果改进和一般化了最近许多文章中相应的算法和结果.

Banach空间中一类隐式微分方程的含误差的Ishikawa迭代

改善和利用Banach空间中方向Lipschitz条件,得到Banach空间中不具备连续条件的隐式微分方程解的存在性和唯一性定理,并介绍一种Banach压缩映象逼近于一般不动点的新的含误差迭代。

使用局部支撑径向基函数的隐式曲线曲面几何迭代算法

由散乱数据稳定重构曲线曲面,在变分拟插值方法的基础之上,提出了使用局部支撑径向基函数的隐式几何迭代算法.首先,根据给定数据点的法向构造隐式函数的非零约束,构造计算隐函数系数的迭代格式,并讨论其收敛性;然后,在此基础上引入加速因子,对隐式迭代算法进行加速,同时讨论了加速算法的收敛性;最后,为了降低迭代过程空间和时间的复杂度,给出了一种加速算法的改进版本.数值实验表明,使用局部支撑径向基函数的隐式几何迭代算法对曲线曲面重构是有效的,并对部分信息缺失、非均匀分布、带噪声采样数据的重构也达到了较好的效果,且实现简单,易于并行.

Banach空间带误差的隐迭代过程逼近渐近非扩张映象族的公共不动点

考虑实Banach空间中带误差的隐迭代过程{xn}:xn=αnxn-1+(1-αn)Tnnyn+un,yn=βnxn-1+(1-βn)Tnnxn+vn,n=0,1,2,….这里x0∈K,{αn},{βn}是(0,1)中的实数列,Tn=Tn(modN),{un},{vn}是K中有界数列,研究了隐迭代过程{xn}逼近渐近非扩张映象族{Ti∶K→}Ni=1的公共不动点,所获结果推广文献[2-]和[3]的结果。

改进的速度迭代弹塑性大变形动力半显式算法

提出了基于速度迭代的弹塑性大变形动力半显式算法 ,并且在此基础上采用拟弯曲膜单元 ,结合有模卸载方式数值模拟了U形弯曲以及S形导轨回弹过程 ,着重比较了动力半显式算法与动力显式算法和实验的回弹结果 .给出了动力半显式算法的迭代格式和收敛标准 .

隐式B样条曲线拟合的加权PIA算法

为了使拟合数据点的曲线生成速度更快、误差更小,提出一种隐式B样条曲线拟合数据点的加权PIA算法.首先,用待拟合数据点以及给定法向量生成偏移点集.然后,通过偏移点集构造差分向量,从而得到需要调整的误差控制系数,为了使迭代效率更高,在迭代过程中对误差控制系数做加权处理.最后,用最新的控制系数矩阵得到拟合数据点的曲线.文中5个数值算例采用均匀节点序列,实验结果表明,在相同迭代次数下,相对于I-PIA算法,该算法得到的拟合曲线误差值更小,曲线能更好保特征.

广义变分不等式解的隐式粘滞迭代逼近

引入一种新的非扩张半群隐式粘滞迭代算法,使用该算法在Hilbert空间中建立了非扩张半群公共不动点集与具有g-松弛(γ,r)-余强制映象的广义变分不等式解集的公共元素的强收敛定理,推广和改进了相关结果.

非扩张映象有限族的公共不动点的隐式迭代方法(英文)

本文在实一致凸和q-一致光滑Banach空间中研究了一类新的有限族非扩张映象的公共不动点的具误差和具扰动映射的隐式迭代程序并且得到了一些收敛性定理.特别地,获得了该隐式迭代程序强收敛性的充要条件.本文所得结论推广了文[1,2]中的相应结果.

关于分歧问题的隐式迭代解

采用隐式迭代技术构造了一种求变分不等式分歧值近似解的新算法 ,该算法的收敛性分析仅要求相应算子的单调性及正规性 .这种求分歧值近似解的方法与有限维近似解法有本质的不同 .

计算全马赫数下粘性流动的隐式算法

把预处理方法引入到求解三维粘性流动的Navier-Stokes方程隐式格式算法中,并应用这种方法对平板算例在层流和湍流两种不同流态下及四个不同Ma数下进行了数值模拟,计算结果与理论值及相关公式吻合,同时对比分析了有无预处理情况下的收敛性,证明了本文所采用的预处理隐式算法对于任意马赫数都是适合的,而且可以提高残差精度量级,加快收敛。

无穷个m增生映射和逆强增生映射的隐式单调投影算法与p-Laplacian系统

首先在Hilbert空间中,设计了带误差项的隐式单调投影迭代算法,证明了迭代序列强收敛到无穷个非线性m增生映射与逆强增生映射和的公共零点的结论,将以往的相关研究成果从有限个映射的情形推广到无穷个;其次采用分裂法将一类p-Laplacian型抛物系统转化成算子方程的形式,证明了p-Laplacian型抛物系统非平凡解的存在性并建立了非平凡解与无穷个m增生映射与逆强增生映射和的公共零点的关系;最后构造了p-Laplacian型抛物系统非平凡解的迭代逼近序列,推广和补充了以往的相关研究成果.

Banach空间的上带松弛共强制的广义隐式变分包含组(英文)

本文在Banach空间上引入和研究了一类带松弛共强制的广义隐式变分包含组(SNSIVI) .使用M-增值算子的预解算子技术,我们构造了一类新的迭代算法逼近这类隐式变分包含组,且在q-一致平滑Banach空间上证明了这类迭代算法的收敛性.我们的结果推广和改进了最近的相关工作.

弹塑性问题参数二次规划分析的隐式算法

传统的二次规划算法求解弹塑性问题时一般要经过对问题的线性化 ,如对屈服条件的一阶近似展开等 ,这在一定程度上会造成数值解的误差。为此 ,本文提出一种改进的策略 ,引入迭代与规划算法相结合的技术对问题进行处理 ,算法收敛平稳迅速 ,在大步长荷载增量下使算法的精度大大提高。由于本文的算法属于隐式算法 ,因而也就弥补了原二次规划算法求解弹塑性问题时只有显式算法的不足 。

非扩张半群与变分不等式公共解的黏滞迭代逼近

使用非扩张半群隐式和显式黏滞迭代算法,在Hilbert空间中建立了非扩张半群的公共不动点集与具有强单调映象的变分不等式解集的公共元素的强收敛定理,从而推广和改进了相关文献中的结果.

结构性软土弹塑性模型的隐式算法实现

对于考虑软土结构性的高度非线性弹塑性本构模型,在采用Newton-CPPM隐式算法对模型进行数值实现的过程中容易出现Jacobian矩阵奇异和不收敛问题.为此,本文提出了两种改进隐式算法.考虑到Newton-CPPM隐式算法是局部收敛性算法,因此引入大范围收敛的同伦延拓算法对Newton-CPPM算法的迭代初值进行改进,形成了同伦–Newton-CPPM算法.考虑到Newton-CPPM隐式算法单个迭代步的计算量过大,因此借鉴显式算法的思想提出一种两阶段迭代算法,第一阶段先求出一致性参数,第二阶段采用类似于显示算法的方法进行回代得出状态变量的值.然后,以考虑软土结构性的SANICLAY模型为例,从弹塑性本构模型的组成和算法的特点两个角度分析了引起Jacobian矩阵奇异和不收敛问题的原因,并且在单单元计算的基础上,对全显式算法、传统隐式算法和两种改进隐式算法在计算收敛性、计算精度和计算效率方面进行了对比.最后,将同伦–Newton-CPPM算法和传统隐式算法用于地基承载力多单元计算中,结果表明该算法能够有效地解决Jacobian矩阵奇异和不收敛问题.

非精确Newton方法中线性迭代收敛判据研究

在计算流体力学中,采用隐式时间推进方法时通常需要采用Newton类迭代方法求解大型非线性离散系统。每步非线性迭代需求解由非线性系统Jacobian矩阵组成的大型线性方程组,其中线性方程组求解误差会对非线性系统的收敛性产生显著影响,然而对存在Jacobian矩阵误差情况下的线性迭代收敛判据缺乏深入的研究。本文针对上述问题,首先给出了存在Jacobian矩阵误差和线性迭代误差情况下Newton迭代式的形式,并通过数值测试验证了Jacobian矩阵误差对迭代产生较大影响的可能性;其次对常见的两种不同类型的线性迭代收敛判据进行了数值测试,重点研究了存在Jacobian矩阵误差情况下容易产生的过度求解问题;最后,结合上述两类判据的特点发展了一种新的线性迭代收敛判据,结果表明:新提出的迭代收敛判据能够有效缓解过度求解问题,从而提高计算效率。

一种求解三维抛物方程的迭代方法

为了高效且高精度地求解三维抛物方程(parabolic equation,PE),提出了一种求解三维PE的迭代方法.该方法采用有限差分(finite difference,FD)近似方法,保留交替方向隐式(alternating direction implicit, ADI)方法的计算模式.推导了该方法对应的相对误差关系式,在推导过程中考虑计算式分裂项丢失带来的误差影响.对比现有的求解三维PE的ADI方法 (记为ADI-PE)和克兰克·尼科森(Crank-Nicolson)求解方法 (记为CN-PE),该方法能够提高计算精准度,且可通过迭代达到一定计算精度.该方法保留了ADI的计算高效特性,是一种求解三维PE的高效高精准度的方法.