共轭梯度法解一维参数识别问题

考虑一维稳态扩散方程反问题,将问题归结为一个非线性不适定问题后,考虑用共轭梯度法解其对应的最小二乘泛函;数值实验显示该方法有良好的恢复效果。     

信赖域-共轭梯度法在麦克斯韦方程参数识别中的应用

针对麦克斯韦方程中的电导率参数识别问题,构造出具有全局收敛性的正则化信赖域共轭梯度算法。此参数识别算法充分融合了最优化领域的传统优化方法—共轭梯度法和新型优化方法—信赖域方法以及正则化方法的优点,使得这种算法具有较强的全局搜索能力,能够很好地应用于麦克斯韦方程的参数识别问题。     

修正的谱Dai-Yuan共轭梯度法

在Dai-Yuan共轭梯度法的基础上,提出了一个修正的谱DY方法,使其继承了DY方法良好的理论性质,同时数值表现也得到较好的改善.在Wolfe线搜索条件下建立了其全局收敛性,进一步给出了一个有效的谱共轭梯度算法,数值试验表明该算法比PRP共轭梯度算法更有效.     

一道运用系列梯度法的实验设计题

1．请设计一个实验，用于测定一种微生物生长所需的最适pH．     

核磁共振双等待时间测井储层流体识别仿真实验设计

针对核磁共振（NMR）测井教学理论性强、原理抽象复杂等特点,设计了基于MATLABGUI的NMR双等待时间（TW）测井储层流体识别仿真实验,设计的MATLAB GUI交互界面包含地层T2谱模型构建、流体极化及双TW回波数据正演和回波数据处理等模块。通过在仿真实验中输入不同参数,模拟得到的地层T2谱模型、长短TW回波数据和处理结果将实时显示在图形界面,并对实际NMR测井资料进行了处理。该仿真实验操作简单,能将NMR双TW测井储层流体识别过程及结果直观地展示给学生,增强学生对该流体识别方法的理解,提高NMR测井教学效果。     

EEMD和SVM相结合的储层流体识别模型

针对深层储层地震响应微弱、含气性识别困难的问题,提出了一种基于聚合经验模态分解(ensemble empirical mode decomposition,EEMD)和支持向量机(support vector machine,SVM)的地震属性提取及储层含气性识别方法。对地震信号运用EEMD方法进行分解,得到一系列本征模态函数(intrinsic mode function,IMF)。优选具有强相关性的本征模态函数重构特征子信号提取地震属性。通过相关性和R型聚类分析评估地震属性,最终选取4种相对独立的属性作为SVM的输入特征参数,并利用粒子群优化(particle swarm optimization,PSO)算法优化参数后得到的SVM模型实现对储层含气性的识别。实验结果表明,所提方法能够有效地提取储层地震属性及进行含气性识别。     

基于梯度分层法的初中英语语法教学

语法是英语学习的重要部分,然而语法的抽象性往往使得学生对语法知识缺乏学习热情.梯度分层法按照学情设置不同的学习任务,尊重学生英语水平的差异性,力求适应和满足学生的个性化学习需要,提高学生的课堂参与度,让每个层次的学生都能够学有所得.     

一种下降的混合共轭梯度法

对于非线性共轭梯度法,文章在前人提出的混合共轭梯度法基础上,提出一种新的混合共轭梯度法,证明它的全局收敛性,并用新的公式建立算法框架.在不依赖任何线性搜索条件的情况下,证明算法框架生成的迭代方向满足充分下降条件,并在标准Wolfe线搜索条件下证明算法的全局收敛性.对新算法进行数值试验,结果表明改进后的算法是有效的.     

梯度特征向量法的性质及保序性条件

本文讨论了梯度特征向量法的性质及增加新元素的保序性条件。     

一种修正的LS共轭梯度法

对无约束优化问题,给出了一个改进的LS共轭梯度方法(NLS方法),在不依赖于任何线搜索条件下,NLS方法满足充分下降条件,且在强Wolfe非精确线搜索条件下,该方法具有全局收敛性.     

混合CD-DY共轭梯度法

在CD方法和DY方法的基础上对求解无约束优化问题提出了一种混合的CD-DY共轭梯度法.在广义Wolfe线搜索下无需给定下降条件,即可证明混合方法的全局收敛性.初步试验表明新方法的数值效果优于CD方法和DY方法.     

一类共轭梯度法的收敛性探讨

针对文献[1]中提出的共轭梯度算法的一些不足,作者提出对参数?k进一步改进,形成一种基于FR方法和DY方法的新共轭梯度算法。根据该算法的相关搜索条件,作者证明了该算法具有全局收敛性,并说明了该算法也具有二次终止性。     

一类下降的谱共轭梯度法

在标准DY共轭梯度法和谱FR共轭梯度法的基础上，讨论一类满足βk=gTkdkgTk-1dk-1性质的谱共轭梯度法，在Wolfe线搜索条件下算法具有下降性和全局收敛性，初步的数值实验结果表明该方法是有效的，适合于求解非线性无约束优化问题。     

一个混合共轭梯度法的收敛性

结合收敛性及计算效能两者的优势,提出一个求解无约束优化问题的混合共轭梯度法,证明了算法在wolfe线搜索下的全局收敛性．并对算法进行数值实验,数值结果良好。     

梯度递进法与学生探究性学习能力的培养

探究性学习是学生在导师指导下,从自然、社会和生活中选择确定问题或课题进行探究,并在探究过程中获得体验与知识,进而应用知识和解决问题的一种新型的学习活动.     

一类在新的线搜索下的共轭梯度法

提出了一种新的线搜索并在此基础上给出了一类共轭梯度法的全局收敛性定理.     

用共轭梯度法解决最优化问题

共轭梯度法是解决最优化问题的一种有效算法,它兼取最陡下降法和牛顿法的优点同时克服了它们所具有的缺点.本文就其原理和用法作以论述.