非线性方程组的方向重启改进型算法及应用

提出一种方向重启改进的共轭梯度算法,旨在优化凸约束非线性方程组和稀疏信号恢复问题的求解过程。通过修正经典的共轭参数设计新的搜索方向,并结合投影技术与无导数线搜索技术来更新迭代点。新的搜索方向在不依赖于任何线搜索下具备充分下降性与信赖域特征,且在合理的假设下证明了新算法的全局收敛性质。数值实验结果表明,新算法在求解凸约束非线性方程组和信号恢复的应用场景中,相比同类算法具有更优的性能和更广泛的应用潜力。

一种改进的解大规模凸约束非线性方程组的共轭梯度投影算法

为推进大规模凸约束非线性方程组的数值方法研究,设计一个改进的共轭参数,构建了一个具有充分下降性与信赖域特性的搜索方向,结合无导数线搜索方法和投影技术,提出了一种新的无导数共轭梯度投影算法并证明了其全局收敛性.数值结果表明相比同类共轭梯度算法,新算法在求解大规模凸约束非线性方程组时具有高效的求解能力和鲁棒性.

求解非线性方程组的混合遗传算法

非线性方程组的求解是数值计算领域中最困难的问题,大多数的数值求解算法例如牛顿法的收敛性和性能特征在很大程度上依赖于初始点。但是对于很多非线性方程组,选择好的初始点是一件非常困难的事情。本文结合遗传算法和经典算法的优点,提出了一种用于求解非线性方程组的混合遗传算法。该混合算法充分发挥了遗传算法的群体搜索和全局收敛性,有效地克服了经典算法的初始点敏感问题;同时在遗传算法中引入经典算法(Powell法、拟牛顿迭代法)作局部搜索,克服了遗传算法收敛速度慢和精度差的缺点。选择了几个典型非线性方程组,从收敛可靠性、计算成本和适用性等指标分析对比了不同算法。计算结果表明所设计的混合遗传算法有着可靠的收敛性和较高的收敛速度和精度,是求解非线性方程组的一种成功算法。

求解非线性方程及方程组的粒子群算法

用随机搜索性能良好的粒子群算法求解非线性方程及方程组问题,计算中不需使用目标函数的导数信息;实验结果表明了该算法的有效性。

解非线性方程组的一元化方法

提出一种求解非线性方程组的一元化方法，该方法可以将ｍ 元非线性方程组转化为与之有相同解的ｍ 个一元方程，从而使难以求解的非线性方程组变成很容易求解的一元方程。该方法收敛速度快，计算精度高，且不易发散。经过大量计算表明，许多用拟牛顿迭代法、梯度法、下降法等传统方法难以求解且易发散或收敛速度很慢的非线性方程组，采用本文方法都可以容易地求得它们的解。在此基础上还提出了多元二分法，它作为一元化方法的一个特例，非常适用于求解极值问题中遇到的非线性方程组。

求解非线性方程组的混合粒子群算法

结合Hooke-Jeeves和粒子群的优点,提出了一种混合粒子群算法,用于求解非线性方程组,以克服Hooke-Jeeves算法对初始值敏感和粒子群容易陷入局部极值而导致解的精度不够的缺陷。该算法充分发挥了粒子群强大的全局搜索能力和Hooke-Jeeves的局部精细搜索能力,数值实验结果表明:能够以满意的精度求出对未知数具有敏感性的非线性方程组的解,具有良好的鲁棒性和较快的收敛速度和较高的搜索精度。

求解非线性方程组的混沌粒子群算法及应用

针对非线性方程组的求解在工程上具有广泛的实际意义,经典的数值算法如牛顿法存在其收敛性依赖于初值而实际计算中初值难确定的问题,提出以混沌粒子群算法求解非线性方程。它通过将混沌搜索机制有机地引入粒子群算法,使每个粒子从混沌搜索机制与粒子群算法搜索机制中获得适当的搜索方向,以混沌变量的遍历性增强粒子的搜索性能与更全面地应用目标函数的信息,并反映到逐代更新的个体极值和群体极值中,可更有效地调整粒子的移向并最终获得最优解。测试结果表明这一尝试的有效性。最后将所提的方法用于建立复合材料结构的疲劳寿命与应力、温度、湿度的关系模型。

单纯形法的改进萤火虫算法及其在非线性方程组求解中的应用

萤火虫算法(FA)是一种基于群体搜索的启发式随机优化算法,其模拟自然界中萤火虫利用发光的生物学特性而表现出来的社会性行为。针对萤火虫算法存在着收敛速度慢、易陷入局部最优、求解精度低等不足,利用单纯形法局部搜索速度快和萤火虫算法全局寻优的特点,提出一种基于单纯形法的改进型萤火虫算法(SMFA)。通过对标准测试函数以及非线性方程组的实验仿真,并与其他算法进行的对比分析表明,改进后的算法在函数优化方面有较强的优势,在一定程度上有效地避免了陷入局部最优,提高了搜索的精度。

改进人工蜂群算法求解非线性方程组

针对传统的人工蜂群算法在处理单峰问题时收敛速度较慢、多峰时易陷入局部最优等缺点,通过借鉴差分进化算法中变异算子的作用,提出了一种改进的人工蜂群算法.该改进算法在对蜜源邻域的搜索过程中引入了个体当前最优值及随机向量,从而加快算法的收敛速度,并且在一定程度上防止多峰问题易陷入局部最优的不足,提高算法的搜索能力.最后将改进的算法应用到求解基本函数和非线性方程组上,测试改进算法的性能.结果表明,改进的算法能够有效避免陷入局部最优,并能较大幅度地提高收敛速度和收敛精度.

基于微粒群优化的非线性方程组求解研究

在科学技术和工程应用中经常遇到求解非线性方程组的问题。提出了一种求解非线性方程组的通用数值方法。将非线性方程组的求解问题转化为函数优化问题,通过微粒群优化对其进行求解,最终得到非线性方程组较高精度的解。一系列测试实例显示了该算法在求解非线性方程组时具有简单性、高效性和普适性。

求解非线性方程组的BFGS差分进化算法

针对差分进化算法进化后期收敛缓慢和稳定性不强的缺陷,将BFGS算法插入差分进化算法当中,提出了一种BFGS差分进化算法,用来求解非线性方程组。通过5个非线性方程组和一个工程实例的实验,说明:算法收敛精度较高、收敛速度较快、鲁棒性强、收敛成功率高,是一种较好的解决非线性方程组的方法。

求解非线性方程组的信赖域方法

用信赖域方法求解非线性方程组问题 ,计算中仅使用目标函数及其一阶导数信息 ,通过BFGS校正方法构造 Hessian阵的近似 ,最后给出了相应的数值结果。

弹塑性接触问题的非光滑非线性方程组方法

将求解三维弹性摩擦接触问题的非光滑非线性方程组方法推广到弹塑性(Mises材料)情形,提出了两种应用方法:一种是将非光滑非线性方程组方法和求解弹塑性问题常用的Newton-Raphson迭代方法结合起来;另一种是将问题写成统一的非光滑非线性方程组,直接求解。数值算例验证了两种方法的有效性,并进行了结果比较。

非线性方程组的二次规划解法和应用

给出了非线性方程组的二次规划解法和应用 ,几个算例表明按拟牛顿法出现病态而不收敛 ,采用本法收敛极快。

求解线性和非线性方程组的一种通用算法

提出一种求解线性和非线性方程组的通用算法——蒙特卡罗算法.实际例子的计算结果表明,该算法比其他数值方法更为有效、简捷和通用,并能达到预期的精度.

遗传算法求解非线性方程组研究综述

针对近年来国内外基于遗传算法求解非线性方程组的研究情况进行了系统总结,揭示了各种遗传策略的综合运用,遗传算法与传统迭代方法或其他智能优化方法的有效结合,并行遗传算法是基于遗传算法方法求解非线性方程组成功的关键,同时对未来的研究方向进行了展望。

遗传算法求解非线性方程组的应用研究

针对传统非线性方程组解法的初始点敏感、收敛性差等问题,结合遗传算法和拟牛顿法的优点,提出了一种用于求解非线性方程组的混合遗传算法。该算法具有遗传算法的群体搜索和全局收敛性,有效地克服了拟牛顿法的初始点敏感问题;同时引入拟牛顿迭代法对精英个体进行局部强搜索,克服了遗传算法收敛速度慢和精度差的缺点,使得算法具有较高的收敛速度和求解精度。选择了几个典型非线性方程组,从收敛可靠性、计算成本和适用性等指标分析对不同算法进行了比较。计算结果表明所设计的混合算法有着可靠的收敛性和较高的收敛速度与精度。

求解非线性方程组的迭代神经网络算法

求解非线性方程组是工程研究中的基本问题,普通的求解算法均具有一定的缺点,通用性不强。神经网络能以任意精度逼近非线性函数,利用它逼近非线性方程组的函数的反函数,提出了通用性较强的数值求解方法。首先,给出了不需迭代的简单神经网络算法;然后,针对给定求解区域偏大和不准确的问题,提出了缩小与改变求解区域的迭代神经网络算法。这两种算法均进行了实例求解,结果表明,两种算法格式简单,求解时间短,精度高,具有较高的应用价值,在理论研究和工程实践中具有较大应用前景。最后分析了算法的优点和改进方向。

人工鱼群算法在求解非线性方程组中的应用

针对传统非线性方程组解法对初始值敏感、收敛性差、精度低等问题,提出了一种用于人工鱼群算法求解非线性方程组的进化算法。该算法求解精度高、收敛速度快。数值仿真结果表明,该算法对求解非线性方程组非常有效,既克服了传统方法对初值敏感和收敛性差,又解决了非线性方程组多解的求解难点等问题,为非线性方程组提供了一种进化求解的方法。

基于预处理和区间计算的非线性方程组实根求解(英文)

提出了利用混合方法进行多变元非线性方程组实根求解的算法。该方法与符号计算方法相比,最大优点是不需要将非线性方程组三角化,并且可以求出指定区间内达到任意精度的全部实根。在求解过程中,首先采用区间压缩、因式分解和去除重因子等方法对非线性方程组进行预处理。然后,采用区间二分法对给定的区间矢量进行二分并判断每个区间是否有解。如果区间内无解,将该区间舍弃;否则使用带有符号预处理的区间Gauss Seidel方法进一步对区间缩小。当根区间达到所要求精度时则输出该区间;反之,重复上述过程继续进行二分和迭代计算。在算法中,由于采用了区间二分法和区间扩展除法,可以对根可能存在的区间进行判断从而求出多变元非线性方程组的全部实根。另外,通过实例对该算法的求根情况和效率进行例证。最后,指出了进行实根求解下一步所要解决的问题。该方法可有效解决工程实践中的一些较为复杂的非线性问题。