波导不连续问题分析中基函数对收敛性能影响的研究

提出了利用多种新的基函数系列展开波导不连续处的场并求解该不连续性的散射参量的方法 .通常可结合不连续处的金属楔近旁的边缘条件 ,构造出满足该边缘条件的变形三角基函数用以展开不连续处的电磁场 ,匹配公共口面处的切向电磁场即可得到一个线性方程组 ,可得到极好的数值收敛 ;还进一步采用不同的多种基函数 ,也可以获得极好的数值收敛 .对于一个不连续性 ,方程组的阶数与基函数的个数 (几个甚至一个 )相等 ,因而方程组保持了较低的阶数 ,极大地提高了计算效率 .

变分四维同化方法中的不连续问题

给出了变分四维同化方法中模式不连续时共轭公式的正确表述。

三体库仑连续问题中的动量相关(英文)

在Berakdar工作的基础上 ,从三体库仑连续问题中动量相关的角度导出了对称和非对称两种几何条件下的有效索末菲参量 .计算了入射能为 5 0eV时电子入射离化He原子的三重微分截面 ,并将计算结果同绝对测量结果以及未修正的BBK理论结果、CCC(convergentclose -coupling )理论结果进行了比较 。

不连续问题的无网格分域算法

提出一种无网格方法中采用分域的思想处理材料和位移不连续问题的方法。该方法将求解域沿不连续面进行分域,通过使用两种转换矩阵使子域交界面上的位移连续性得到满足;采用分块矩阵法计算转换后的刚度矩阵,所得刚度矩阵仍具有稀疏、带状性。可采用与有限元耦合的方式施加本质边界条件。编制了该算法的计算程序,通过对材料不连续悬臂梁弯曲问题的分析和单边裂纹板裂纹张开位移的计算,验证了该算法的正确性和有效性。

Hlder连续性与自由不连续问题的极小

讨论了自由不连续问题极小的Hlder连续性,即证明在奇异集的小邻域外部,极小函数是Hlder连续的,但相反结论不成立.

弱不连续问题高阶有限元离散系统的GAMG法

弱不连续问题(如含夹杂问题)是固体力学计算中的一类重要问题。高阶有限元方法由于其具有更好的逼近效果,是确保数值解在界面保持较高精度的计算方法之一。但与线性元相比,高阶单元需要更多的计算机存储单元,具有更高的计算复杂性。本文利用两水平算法的思想,将高阶有限元离散系统化归于线性元离散系统的求解,为弱不连续问题高阶有限元离散系统设计了一种新的基于几何与分析信息的代数多重网格(GAMG)法,并应用于圆形求解域含单夹杂问题的高阶有限元离散系统的求解。数值试验结果表明,相比于常用GAMG法,新方法的迭代次数基本不依赖于问题规模、单元阶次以及杨氏模量的间断性,CPU计算时间得到明显改善,具有更好的计算效率和鲁棒性,可大大提高弱不连续问题有限元分析的整体效率。

Banach代数的满同态的自动连续问题

研究了从任意交换的Ｂａｎａｃｈ代数到交换半素Ｂａｎａｃｈ代数的满代数同态的自动连续问题，得到了从交换Ｂａｎａｃｈ代数到交换半素Ｂａｎａｃｈ代数自动连续问题的一个定理．

与0-1二次规划问题等价的连续问题(英)

在较一般的条件下，证明了线性约束0-1二次规划问题等价于一个凹二次规划问题，改进了已有的结果．

104远动规约接收序号不连续问题的解决方法

1现场情况 随着近几年大连电力调度数据专网（SPDnet）建设的快速推进，SPDnet已覆盖全部66kV及以上变电站，SPDnet所提供的TCP／IP网络通道的可靠性和使用维护上的方便性明显优于传统点对点的串口通道。

基于问题连续体理论的语文阅读课堂提问研究

问题连续体理论倡导构建问题体系,以问题综合培养学生的思维能力、实践能力、探索能力、创造能力,为语文教师开展课堂提问提供了理论参考。文章以问题连续体理论为基础,研究语文阅读教学中的课堂提问方法,首先介绍了问题连续体理论的相关概念,然后分析了问题连续体在语文阅读教学中的作用,最后从问题设计要点与提出问题要点两方面出发,提出了基于问题连续体理论的语文阅读课堂提问建议。

立足问题,注重非连续性文本阅读

阅读是一种非常重要的能力,阅读能力的高低会直接影响学生汲取知识和解决问题的效率。但小学数学教学过程中,非连续性文本问题时常出现。立足于这样的问题,锻炼学生阅读和解决问题的能力,是教师的重要职责,也是学生学习道路上的必经之事。本文将以非连续性文本问题为中心,对教学策略简单总结。

求解连续型分布式约束优化问题的自适应多点交叉遗传算法

针对连续型分布式约束优化问题(continuous distributed constraint optimization problems,C-DCOPs)求解算法的anytime属性的缺失、约束函数形式的限制和无法保证收敛等局限,本文提出一种求解C-DCOP的自适应多点交叉遗传算法(adaptive multi-point crossover genetic algorithm based C-DCOP,AMCGA)。在AMCGA中,智能体(agent)构建分布式种群和广度优先搜索(breadth first search,BFS)伪树以分布式地计算个体适应度;通过贪婪策略选择精英个体进行自适应多点交叉实现全局搜索,智能体之间协同通信保证分布式种群中解的一致性;利用变异算子完成局部搜索。AMCGA适用于任意形式的约束函数,并被证明具有任意时间属性和全局收敛性。在4类基准问题上的广泛实验结果表明,AMCGA的求解质量优于最先进的C-DCOP求解算法,能有效地打破目前C-DCOP求解算法的局限,并在求解质量方面存在20%~30%的提升。

求解弱不连续问题的p型自适应有限元方法

在实际工程计算中,存在大量的弱不连续问题,如含夹杂问题.利用通常的有限元方法,为确保界面上各点满足给定高精度,往往需要采用全域网格加密或全域提高单元阶次的方法,这将会导致计算机的物理内存和CPU时间的剧烈增长.p型自适应有限元方法是一种能通过自适应分析逐步增加单元阶次以改善计算精度的数值方法.论文针对弱不连续问题设计了相应的p型自适应有限元方法,重点讨论了容许误差控制标准对界面上各点计算结果的影响,并对几类典型的弱不连续问题进行了数值计算与模拟.数值结果表明,论文设计的p型自适应有限元方法对求解弱不连续问题是非常有效的,用较少的单元得到精度可靠的数值结果,可大大提高其有限元分析效率.

连续及不连续各向异性热传导问题的数值流形方法求解

热传导问题是工程实际中的常见问题.与各向同性材料相比,各向异性材料的热传导更为复杂,因而准确预测其内部的温度分布具有重要的意义.该文发展了一种用于求解典型连续及不连续各向异性稳态热传导问题的数值流形方法(NMM).根据问题的控制微分方程、边界条件以及变分原理,导出了求解此类问题的NMM离散方程.采用独立于物理域所有边界的均匀数学覆盖对几个连续及不连续算例进行了分析,证实了方法的可行性及精度,表明NMM能够很好地模拟各向异性材料的热传导问题.此外,还进一步探讨了材料属性等因素对温度场的影响规律.

应用混合模型蚁群算法解决连续多自变量问题

蚁群优化算法自提出的十几年来已广泛应用于解决旅行商问题(tralvel salesman problem,简称TSP)等离散化的组合优化问题,随着对算法的进一步研究,近两年一些学者提出用该算法解决连续问题已经初见成效。进一步探讨了如何将该方法用于解决连续多自变量问题,通过对比文献[1]发现在当用该文献中提到的方法解决连续多自变量问题时,计算所得的解并非最优解,计算所得的目标函数值不准确。分析了出现问题的主要原因在于以往应用蚁群算法解决问题时大多采用基本蚁群算法的Ant-cycle system模型,在面对连续多自变量问题上是失效的。通过研究基本蚁群算法的原理,发现将Ant-cycle system模型与Ant-quantity system模型相结合,在解决连续多自变量问题时有很大突破。因而提出了一种新的蚁群算法模型——Ant-cycle&quantity system(ACQS模型),在此简称为混合模型算法。用该算法进行了大量的试验,取得了很好的结果。同时为了加快收敛速度,算法中还提出了信息素的奖惩机制,取得了很好的试验效果。

蚁群算法求解连续空间优化问题的一种方法

针对蚁群算法不太适合求解连续性优化问题的缺陷,提出用蚁群算法求解连续空间优化问题的一种方法.该方法将解空间划分成若干子域,在蚁群算法的每一次迭代中,首先根据信息量求出解所在的子域,然后在该子域内已有的解中确定解的具体值.以非线性规划问题为例所进行的计算结果表明,该方法比使用模拟退火算法、遗传算法具有更好的收敛速度.

中学化学教学设计中连续性问题情境的类型研究

运用连续性问题情境进行教学设计时,无论是元素化学的教学内容,还是概念原理的教学内容,连续性问题情境之间都有一定的逻辑关系.通过对中学化学教学案例的统计归纳,发现一般存在2种逻辑关系,即一般知识逻辑和科学探究逻辑.这2种逻辑关系是连续性问题情境的类型.

连续优化问题的细菌觅食改进算法

为更有效解决连续优化问题,提出了一种基于群体搜索的群智能优化算法———细菌觅食算法.该算法模拟了细菌觅食全过程,并对细菌个体的初始化、趋化操作中的搜索步长和搜索方向进行了改进.改进后的算法有效避免了算法陷入局部最优,而算法中采用的搜索步长,进一步提高了优化的收敛速度.经大量实验仿真表明,细菌觅食算法能够有效地求解连续优化问题.将仿真结果与其它算法对比,证明了细菌觅食算法的搜索质量优于其它算法.

蚁群算法在连续空间寻优问题求解中的应用

将蚁群算法引入连续空间的函数寻优问题求解 ,通过将传统蚁群算法中的“信息量留存”过程拓展为连续空间中的“信息量分布函数”,定义了相应的求解算法。对多极值函数和非线性连续函数的寻优实例仿真取得了良好的结果 ,显示了蚁群算法在连续空间优化问题中的应用前景。

用于求解连续优化问题的均匀设计和改造BLX-α的分散搜索算法

分散搜索算法是近年来快速兴起的一种基于种群的进化计算方法,与遗传算法不同的是,它对高质量解和多样性解并存的小数据集使用多种系统子方法和有限次随机过程来获取全局最优解或满意解.基于分散搜索的柔性框架,使用均匀设计来改进以往连续分散搜索算法中的多样性产生方法,将BLX-α算子加以相应改造作为解合并方法,提出了一种基于均匀设计和改造BLX-α算子的新型分散搜索算法(URBSS)来解决非线性连续优化问题.通过8个广为使用的测试函数进行了仿真实验,实验结果表明在与其他连续优化方法的比较中,URBSS能够准确快速地搜索到全局最优解,具有很好的收敛速度和全局优化能力.