全球科技发展:迭代加速与地缘政治化

近年来,科技迭代加速和地缘政治化成为全球科技领域最为显著的趋势。一方面,科技创新速度加快、应用更加迅速和普及,对社会转型的作用更加明显;另一方面,全球科技发展在大国竞争等地缘政治因素的影响下呈现去全球化和分裂化的趋势,各国科技创新和应用更加强调本土化和自主化,一些国家的技术封锁、孤立和“脱钩”行为更是加剧了全球科技体系的分裂和碎片化。在科技全球化的时代,新技术的迭代加速会产生一系列安全风险,影响个人隐私、社会稳定乃至国家间的战略互信;科技发展的地缘政治化趋势则会提高人类科技发展的代价、影响全球科技的协同治理和气候变化等全球性问题的协同解决。

一种新的GM（1，1）建模方法——迭代加速法

在GM（1，1）逐步优化直接建模方法的基础之上，得到了迭代的收敛速度，并由此得到了迭代－加速公式。在参数a较大时，迭代加速法具有收敛速度快等优点，弥补了原逐步优化直接建模方法收敛速度慢的缺陷。

基于GaBP的迭代加速优化算法

求解对称对角占优线性方程组的GaBP(Gaussian Belief Propagation)迭代算法具有低计算复杂性和高并行性的特点。利用GaBP算法的这两个特点,便于处理大规模稀疏线性方程组的求解。为了进一步提高求解的迭代效率,使用经典迭代算法中的加速优化方法,给出了对应的多种GaBP迭代加速优化算法。从动态松驰因子的GaBP算法和MannGaBP迭代加速优化算法的实验结果表明,在相同精度下,所提出的加速优化算法比经典迭代算法和GaBP算法具有更高的并行执行效率。

对两种迭代加速算法的研究

加权法和Aitken算法是数值分析中两种常见的迭代加速算法,但加权法要求迭代公式φ(x)的导数值的绝对值|φ/(x)|<1,否则该法失效;而Aitken算法只提出了具体的加速算法,并没有详细说明该算法为什么会起到加速的作用.因此,本文将对这两点不足进行一些研究,以使这两种算法更加完备.

大范围求解非线性方程的加速迭代法

为了解决一些传统方法不能解决的非线性方程求根问题,提出一种大范围求解的加速迭代法,利用卷积实现了大范围内选用初值,并加速过渡到根的邻域中,由于在局部迭代求根的过程中采用了松弛参数,局部迭代过程得到加速,加速效果非常明显.相关算例显示这种加速迭代算法不仅能在大范围内选取初值,不用计算导数,而且计算量和迭代步数少,收敛速度快,计算精度高.

Landweber迭代正则化的加速

Landweber迭代法是求解大规模的不适定问题的一种有效方法,但其迭代序列收敛速度是相当慢。为了加快Landweber迭代收敛速度,将每一步Landweber迭代分解为矩阵计算和求解,对矩阵计算部分设计了一种快速迭代格式,并给出了相应的加速算法,通过数值实验验证了这种算法能够大大加快收敛速度,有效的减少计算量,解决了Landweber迭代正则化方法在实际应用中的障碍。

矿井风温预测的一种加速迭代计算新方法

分析了当前矿井风温预测的计算方法,引入了n维空间的埃特金加速迭代法,证明了其多变量同时迭代明显优于传统的多变量分步迭代,算法时间复杂度由O(n2)减为O(n),迭代收敛速度得到提高.采用面向对象的Visual C++6.0语言,设计开发了基于n维空间的埃特金加速迭代法的矿井风温预测软件,建立了相应的矿井风温预测数据库,实现了矿井风温的计算机预测分析与信息管理.应用结果表明,该算法收敛速度快、计算精度高,是求解矿井风温预测非线性模型的最有效方法之一.

图像恢复的小波域加速Landweber迭代阈值方法

该文利用对忠诚项的二次逼近方法,提出了一种小波域加速Landweber迭代阈值算法。该算法的每次迭代是对前两次迭代结果的线性组合做阈值处理。与标准的迭代阈值算法相比,该方法收敛速度更快。由于参数的可选择性,新算法更有灵活性。数值实验表明新算法能够有效地提高恢复图像的质量,是一种行之有效的图像恢复方法。

语音重构的DCT域加速Landweber迭代硬阈值算法

重构信号的最基本理论依据是该信号在某个变换域是稀疏的或近似稀疏的。基于语音信号在DCT域的近似稀疏性,可以采用压缩感知(Compressed Sensing,CS)理论对其进行重构。压缩感知理论中的迭代硬阈值(Iterativehard thresholding,IHT)算法以其较好的性能被广泛用来重构信号,但其收敛速度比较慢,如何提高收敛速度,一直是迭代硬阈值算法研究的重点之一。针对压缩感知理论中的IHT算法收敛速度相当慢的问题,提出了语音重构的DCT域加速Landweber迭代硬阈值(Accelerated Landweber iterative hard thresholding,ALIHT)算法。该算法对原始语音信号做DCT变换,然后在DCT域将每一步Landweber迭代分解为矩阵计算和求解两步,通过修改其中的矩阵计算部分实现Landweber迭代加速,最后通过迭代硬阈值对信号做阈值处理。实验结果表明,加速Landweber迭代硬阈值算法加快了收敛速度、减少了计算量。

一类机械臂指数加速迭代学习控制方法

针对机械臂系统外部干扰的轨迹跟踪问题,提出一种无需重置初始条件的加速迭代学习控制方法。利用指数变增益加速学习控制律,结合迭代学习控制算法,无需重置机械臂每次运行时初始条件,历经多次迭代后,实现对期望轨迹的实时跟踪。并在λ范数意义下,证明了无需重置条件的比例微分(proportion differentiation,PD)型加速迭代学习控制算法的收敛性。基于二自由度(two degrees of freedom,2-DOFs)仿真实验结果验证了该方法的可行性和有效性。同时在Quanser机电一体化运动控制实验平台上完成了实验验证,表明该算法的实用性。

位移-加速度振动台迭代学习控制方法试验研究

针对传统位移控制液压伺服振动台台面加速度波形再现不精确的问题,提出了基于位移-加速度振动台迭代学习控制方法,并通过数值模拟和储罐振动台模型实验研究迭代学习控制方法的性能。研究结果表明:基于位移-加速度迭代学习控制方法相比基于位移-位移迭代学习控制方法对于加速度的再现精度更高,修正迭代方法相比直接迭代方法的收敛速度稍快。

加速迭代格式的构造

构造了一类非精确加速迭代格式,证明了其收敛性,并且给出误差估计.实例表明,其收敛速度更快.

一种加速SIMPLE算法迭代收敛的方案及其在河道平面二维水流计算中的应用

一种加速SIMPLE算法迭代收敛的方案是把SIMPLER与SIMPLEC两种算法结合起来,压力值通过求解压力Poisson方程获得,速度修正值计算式也考虑到了邻点速度修正值的影响。对该方案给出了详细的求解步骤,并通过对长江中游安庆河段平面二维水流流场的计算,将该方案与SIMPLE,SIMPLEC,SIMPLER算法进行了对比。结果表明:该方案有着更好的收敛特性,并且能节省数值计算的时间。

用新的加速迭代格式求解奇异问题

构造一类求解奇异问题新的加速迭代格式,给出收敛性定理及敛速估计.

加速松弛迭代法的最优加速因子

本文就一类特殊矩阵所对应的线性方程组,采用加速松弛法迭代求解时,用先求出最优的松弛因子,再得到加速因子的最优,给出了G.Avdelas＆A.Hadjidimos所得最优因子的一个简单明了的几何证明。

n维空间迭代收敛加速的埃特金法

提出了两种ｎ维向量方程ｘ＝ψ（ｘ）的迭代收敛加速算法、该算法是无导数求解方程ｘ＝ψ（ｘ）的一种特殊方法，并通过实例说明了这种方法的有效性，由于该算法也适用于非线性方程，因此，在实际应用中有很大的价值。

应用自解卷积和增量Wiener滤波实现迭代盲图像复原

提出了一种基于自解卷积和增量Wiener滤波的迭代盲图像复原算法(SDIWF-IBD)。将自解卷积点扩散函数估计法应用于迭代盲目反卷积,准确估计了点扩散函数频域;在图像估计时使用增量Wiener滤波,确保算法稳定收敛。为进一步控制算法收敛速度,引入内迭代加速方法,有效减少了算法的外部迭代次数。实验结果表明,复原后图像细节明显增加且失真小,算法快速收敛于较小误差。该算法复原效果良好,收敛快速可控,有利于实时应用。

一类Fredholm-Hammerstein型泛函积分方程不动点迭代与Aitken加速迭代算法

利用Banach不动点原理,给出了一类Fredholm-Hammerstein型非线性泛函积分方程解析解的存在唯一性定理.分别给出了不动点迭代与Aitken加速迭代的数值算法、误差估计、收敛性分析.最后通过两个数值例子验证了收敛性定理的有效性,并得到两种算法的比较分析结果.

基于无应力状态法的预应力混凝土斜拉桥合理成桥状态加速迭代收敛

为了快速、准确地确定预应力混凝土斜拉桥合理施工状态,基于混凝土收缩徐变效应对结构的累计影响,通过定义无应力索长修正系数β、索力差值Δ及索力差比λ等参数推导了预应力混凝土斜拉桥在考虑混凝土收缩徐变效应下的无应力状态法加速迭代收敛公式,改进了无应力状态法加速迭代计算流程,并以一座双塔混凝土斜拉桥为工程依托对加速迭代收敛公式和加速迭代计算流程进行了验证.研究结果表明:无应力状态法加速迭代公式和加速迭代计算流程能够有效减少预应力混凝土斜拉桥在确定合理施工状态时的迭代次数和计算工作量,提高计算效率及计算精度,具有很强的工程适用性和可行性.

加速迭代背景下技术创新的多元思考

技术创新能够有效地促进经济发展,这是20世纪初经济学家熊彼特的一个重要发现,20世纪70年代以来,"技术创新"几乎已成为每个国家经济发展的共识。在当代技术加速迭代背景下,不断创新的高技术正全面改变着人们的传统生活形态,并将继续快速改变人类生活。而且,当代技术创新已经不是慢速率的简单加速,而是不断以翻新迭代的方式演化。在这样的背景下,我们需要关注技术创新可能带来的革命性变革,并从多个层面关注技术创新可能导致的影响,思考技术创新可能带来的后果。