层次分析法中区间判断的凸锥模型

用全新凸锥模型讨论层次分析法中常规点判断以及区间判断的权重向量的特性与算法，并对它们给出统一的几何解释．

烧蚀端头锥模型激波风洞试验研究

介绍了在激波风洞中用压电天平进行1m量级烧蚀端头大模型五分量气动力试验研究情况。试验目的是测量出烧蚀端头模型的Cm0和Cn0,以期为端头烧蚀模型的Cm0和Cn0换算到全尺寸飞行器下提供试验依据。针对设计部门关心的Cm0和Cn0测量,在天平设计上采取了粗短主体结构另配支杆的方式;在风洞试验中采用正负攻角等较为有效的方法。风洞试验主要结果如下:烧蚀变形对锥模型轴向力影响较大,对其余的气动力分量影响值较小。在0°攻角下Cm0为10-4量级,Cn0为10-3量级,配平攻角约为0.028°。由此表明:激波风洞压电天平能够测量该烧蚀端头模型的小Cm0和Cn0。

无约束最优化锥模型拟牛顿信赖域方法的收敛性(英)

本文研究无约束最优化雄模型拟牛顿信赖域方法的全局收敛性．文章给出了确保这类方法全局收敛的条件．文章还证明了，当用拆线法来求这类算法中锥模型信赖域子问题的近似解时。

高超声速锥模型及其尾迹电磁散射实验研究

介绍了利用X、Ka波段雷达系统在中国空气动力研究与发展中心超高速所弹道靶上开展了金属锥模型和开槽锥模型及其尾迹的电磁散射截面积(RCS)实验研究,模型底部直径12mm、半锥角和头部半径分别为12.5°和1.0金属锥模型速度大于6km/s,飞行环境压力为6.8kPa;开槽锥模型速度5.4km/s,飞行环境压力7.5kPa,雷达测量方式为X波段单站,Ka波段单站。实验结果表明:在等离子体绕流场包覆模型时,获得的锥模型单站X波段RCS、单站Ka波段RCS的实验结果与数值计算结果较为吻合;锥模型的单站后向电磁散射主要集中在模型头身部区域,尾迹散射相对较小。

一类锥模型非单调信赖域算法及收敛性分析

本文对无约束优化问题提出了一类基于锥模型的非单调信赖域算法.二次模型非单调信赖域算法是新算法的特例.在适当的条件下,证明了算法的全局收敛性及Q-二次收敛性.

一种基于新锥模型的自适应信赖域算法

本文提出一种自动确定信赖域半径的新锥模型信赖域算法.该算法在每步迭代中利用以前迭代点的二次信息和水平向量信息自动产生一个信赖域半径.且证明了全局收敛性及超线性收敛性,数值结果验证了新算法的有效性.

基于新锥模型的带固定步长的非单调自适应信赖域算法

对于无约束优化问题,在传统信赖域算法中通常采用二次模型来逼近函数,而对某些非二次性态较强,曲率变化剧烈的函数,用该方法逼近效果较差,于是本文提出一类基于新锥模型带固定步长的非单调自适应信赖域算法.利用一种固定步长算法,在一定条件下证明了该算法的全局收敛性及收敛速率.数值实验表明该算法是有效的.

一个锥模型的自适应信赖域算法及其收敛性

本文研究了无约束最优化问题的基于锥模型的自适应信赖域算法.利用理论分析得到一个新的自适应信赖域半径.算法在每步迭代中以变化的速率、当前迭代点的信息以及水平向量信息调节信赖域半径的大小.从理论上证明了新算法的全局收敛性和Q-二阶收敛性.用数值试验验证了新算法的有效性.推广了已有的自适应信赖域算法的可行性和有效性.

解线性约束优化问题的新锥模型信赖域法(英文)

本文提出了一个解线性等式约束优化问题的新锥模型信赖域方法.论文采用零空间技术消除了新锥模型子问题中的线性等式约束,用折线法求解转换后的子问题,并给出了解线性等式约束优化问题的信赖域方法.论文提出并证明了该方法的全局收敛性,并给出了该方法解线性等式约束优化问题的数值实验.理论和数值实验结果表明新锥模型信赖域方法是有效的,这给出了用新锥模型进一步研究非线性优化的基础.

高超声速弹道靶泰氟隆锥模型及弹托设计

模型及弹托设计是开展弹道靶试验研究的基础。对用于再入物理特性研究的泰氟隆锥模型,采用了钨、铝作芯体配重的鞘套结构,而弹托采用了四瓣不封底和八瓣全包覆两种结构并选用了聚碳酸酯和超韧尼龙两种材料。发射试验结果表明:用此方法设计的泰氟隆锥模型和选用超韧尼龙做成八瓣全包覆弹托能实现泰氟隆锥模型的超高速发射,模型的发射速度达到5.7km s,且模型与弹托分离满足再入物理试验研究的要求。

锥模型的拟牛顿型信赖域方法中的水平向量的选取

对于无约束优化问题的锥模型的拟牛顿型信赖域方法的求解，主要讨论了 水平向量的选取，并给出了数值试验结果．结果表明该取法一般比二次模型及文献［２］中的 取法有效．

求解非线性方程组的锥模型信赖域算法

针对传统信赖域算法计算复杂、难度较大等问题,提出一种基于非单调的锥模型信赖域算法.引入松弛变量将非线性系统问题转换为带非负约束的非线性最优问题,借助KKT条件以及NCP函数,每次迭代时求解一个线性方程组,通过一阶、二阶结合,扩大了锥模型信赖域半径,加大信赖域迭代步,提高了收敛速度.信赖域算法具有整体收敛性.

一个基于锥模型的自适应信赖域算法

对无约束优化问题提出了基于锥模型的自适应信赖域算法.把锥模型子问题变成二次模型的子问题进行求解,从而减少信赖域子问题的求解.二次模型的信赖域算法是新算法的特例.在适当的条件下,证明了算法的全局收敛性及超线性收敛性.数值试验表明新算法是有效的.

锥模型信赖域方法中水平向量的选取

对无约束优化问题的新锥模型信赖域算法的求解,构造了新的水平向量,并给出了相应的数值试验结果,结果表明该取法的有效性。

无约束优化问题的锥模型回溯过滤信赖域算法

基于锥模型信赖域框架,结合多维滤子集技巧,提出一个求解无约束优化问题的回溯过滤信赖域算法,锥模型比二次模型更一般,其信赖域模型是它的一个特例.而且对比于一般的二次模型,更多地利用了每一个迭代点的信息.本文在通常的假设条件下,分析了算法的全局收敛性.

基于锥模型的自适应信赖域算法

基于锥模型,结合提出的新的自适应技术,建立了一个求解无约束最优化问题的自适应信赖域算法,并在适当的条件下,证明了算法的全局收敛性和Q-二阶收敛性.

1维优化的锥模型方法的收敛阶

基于锥模型的拟牛顿法已被许多研究者讨论过，并且D．C．Sorensen文（TheQ-superlinearconvergenceofacolllnearscalingalgorithmforunconstrainedoptimization．SIAMJNumerAnal，1980，17（1）：84～114）证明了该算法模型是超线性收敛的。本文中针对1维优化问题讨论了该算法模型的收敛阶，结果表明它是小Q-2阶收敛的，并且从极小点X的左右两边交错收敛到X。

不精确线搜索条件下锥模型Broyden凸族算法的收敛速率

在一定假设条件下的锥模型Broyden凸族算法的局部收敛性和全局收敛性已有人研究过。本文中进一步研究不精确线搜索条件下锥模型Broyden凸族算法的收敛速率。证明了如果初值x1充分接近强局部极小点x*,那么族中任一算法所产生的点列都是R-局部收敛的，且其R-收敛阶至少是τ≥2，而不需要假设A1充分靠近海色阵2f(x*）。

一个新的锥模型自适应信赖域算法

对无约束最优化问题提出了一类锥模型自适应信赖域算法.信赖域半径的修正采用一个新的自适应调节策略.算法在每步迭代中以当前迭代点的信息以及水平向量信息来调节信赖域半径的大小.在适当的条件下,证明了算法的全局收敛性和Q-二阶收敛性,并且给出了相应的数值结果.

一个自动确定信赖域半径的锥模型信赖域方法

自适应信赖域算法由于利用了对算法有重大影响的有关当前迭代点的信息,提高了算法的效率,因此对于无约束最优化问题提出一个锥模型自适应信赖域算法.算法中信赖域半径采用新的自适应修正策略.算法在每步迭代中以R-函数变化的速率、水平向量信息以及当前迭代点的一阶导数信息来修正信赖域半径的大小,使得信赖域半径的修正依据于问题本身,克服传统信赖域算法中没有利用当前迭代点的信息修正信赖域半径的缺点.在一定的条件下简洁地给出了算法的全局收敛性分析.算法丰富了已有的自适应信赖域算法.