一个新的无约束最优化的共轭梯度算法

对于无约束最优化问题,本文基于局部收敛的Polak－Ribiere方法和全局收敛的Fletcher－Reeves方法,提出了一个新的共轭梯度算法,并采用精确线性搜索方法,得到了全局收敛的好性质。     

一种基于佳点集原理与引力搜索的新型蜻蜓算法

为改进标准蜻蜓算法（DA）存在的收敛质量不高、全局寻优能力欠佳、易陷入局部最优等问题，利用基于佳点集原理的方法初始化种群，将其与万有引力搜索算法（GSA）结合，改进步长更新公式，并引入考虑维度变化的更新全局最优解方法，提出一种新的改进蜻蜓算法（DGSDA）。通过对10个测试函数的测试结果表明，改进后的DGSDA收敛速度快，全局寻优能力强，寻优精度高。     

格中的序收敛及间断

定义了半序集中网的序收敛，证明了在一个格中，对每一个ｏ－离散的网Ｘ（Ｐｘ，Ｑｘ）是一个闭间断，且每一个间断（Ａ，Ｂ）对应一个ｏ－离散的网Ｘ使得ＰｘＡ’＿及ＱｘＢ＊＇．另外还证明了：（１）有限个半序集的乘积中网是按坐标ｏ－收敛的，（２）半序集Ｐ中ｏ－收敛的网在Ｐ的任一个收缩Ｑ中也是ｏ－收敛的．     

一种求解不等式约束优化问题的新算法

针对基本遗传算法收敛速度缓慢现象，提出了基于多父体杂交和按较差个体顺序变异的改进策略，从而加快收敛速度，提高了算法性能，通过验算表明，改进后的算法，能够迅速找到全局最优解。     

基本遗传算法遗传策略优化与Java实现

通过引入最优策略和筛选策略,有效避免了算法的早熟,同时增强了算法的全局收敛性.通过典型复杂函数的数值仿真结果表明,所给算法的全局收敛速度和命中全局最优的概率相对传统方法大大提高.     

Hopfield神经网络全局指数稳定性的几个新判据

重新讨论了Hopfield神经网络平衡点的全局指数稳定性，得到了四个新判据，且列举了相应的例子来说明．由这些定理和例题的证明方法，阐述了Lyapunov函数的选择，网络参数电容Ci、电阻Ri及神经元uj(x)的导数ui(x)上下确界Mi，mi，i＝1，2…，n的处理及不等式放缩的精度在构造网络全局指数稳定性判据中的重要性，得到了表明全局指数稳定性收敛速度的Lyapunov指数α的估计式．     

电子线路CAD中非线性直流分析的数值方法

本通过对简单迭代法，牛顿－拉夫森迭代法的收敛性及收敛速度的讨论，并提出对牛顿－拉夫森迭代法的改进，从而使电路的非线性解的收敛速度更快，并解决一些收敛问题。     

一类比式问题的求解算法

对一类的线性比式和问题（P）提出了一确定性全局优化算法。利用等价问题和新的线性化技术给出了问题（P）的松弛线性规划（RLP），通过对RLP可行域的细分以及一系列RLP的求解过程，提出了分枝定界算法收敛到问题（P）的全局最优解，最终数值实验表明了提出方法的可行性。     

全局人工鱼群优化的动量常模盲均衡算法

针对常模盲均衡算法(CMA)存在局部收敛和慢收敛的缺陷,提出了一种全局人工鱼群优化的动量常模盲均衡算法(GAFSA-MCMA)。该算法首先利用全局人工鱼群算法(GAFSA)收敛速度快、全局搜索能力强的优点,寻找人工鱼群的最优位置向量并作为CMA的初始优化权向量,从而使权向量在迭代过程中获得全局最优,同时将动量算法引入到CMA中,提高收敛速度。与CMA、MCMA相比,该算法均方误差较小、收敛速度较快。     

一种改进的权均值粒子群优化算法

针对粒子群优化算法的早熟收敛和进化后期收敛速度慢等问题,提出了权均值粒子群优化算法。通过在"认知"部分和"社会"部分加入随机权值更新粒子的飞行速度,使粒子能够很快地收敛到全局最优点。典型函数的仿真结果表明,该算法不仅具有较好的全局收敛性能和较快的收敛速度,而且有效地避免了早熟收敛问题。     

一种新的全局优化前馈神经网络

将L-M算法与填充函数法相结合，提出一种训练前向网络的混合型全局优化新算法．L—M算法的收敛速度快，利用它先得到一个局部极小点，然后利用填充函数算法跳出局部最小，得到一个更低的局部极小点．重复计算即可得到全局最优点．经实验验证，该算法收敛速度很快，避免局部收敛，而且性能稳定．     

遗传变异算法

从实数和二进制串两方面，系统分析了遗传算法变异操作中变异点的选取和变异方法。编写出其相应的Matlab程序。并结合一个多峰函数给出其试验结果。仿真试验表明适当选择变异方法，能够对函数进行全局寻优并给出不同方法对应的收敛速率。     

基于模拟退火步长的粒子群算法

为了提高粒子群算法的收敛速度和全局收敛性,本文在标准粒子群算法的基础上作了改进,提出了一种带模拟退火步长的粒子群算法．通过典型函数的测试结果表明新算法比原来算法收敛到最优解的次数多,提出的新算法在全局搜索能力和收敛速度方面有所提高．     

一类非线性系统的自适应模糊滑模控制

针对一类不确定非线性系统提出了一种自适应模糊控制方法。该方法用模糊逻辑系统(FLS)逼近理想控制器；用滑模补偿控制器(SMCC)全局补偿逼近误差和系统的不确定性并消除外部干扰的影响，能够保证闭环系统全局渐近稳定，跟踪误差收敛到原点的邻域内。在闭环系统的稳定性分析中取消了文[1-4]中要求的逼近误差平方可积的条件。     

一种能确保系统稳定性的模型参考自适应控制系统设计方法

本文在文献＾「１」的基础上,提出了一种能确保系统全局稳定性的基于局部参数优化原理设计模型参考自适应控制系统的方法。仿真试验结果表明,当系统参数发生变化时这种方法确能保证系统的全局稳定性,且收敛速度较快。     

一种能确保系统稳定性的模型参考自适应控制系统设计方法

本文在文献［1］的基础上,提出了一种能确保系统全局稳定性的基于局部参数优化原理设计模型参考自适应控制系统的方法。仿真试验结果表明,当系统参数发生变化时这种方法确能保证系统的全局稳定性,且收敛速度较快。     

基于GA-BP网络的洱海水质预测研究

水质预测是水污染防治工作的前提,是实现水系统管理的重要基础工作。在神经网络预测基础上,提出了基于遗传算法优化神经网络的洱海水质预测模型。该方法克服了传统BP神经网络收敛速度慢、算法容易陷入极小值、隐含层神经元个数难以确定等问题。利用遗传算法较强的全局搜索能力,提高了算法收敛度,能够迅速得到全局最优解。MATLAB仿真结果对比表明,优化前神经网络模型平均误差为25.1%,优化后模型预测平均误差为2.3%,证明该算法缩短了收敛时间,提高了预测精度。     

具有成熟前收敛判断的自适应遗传算法

针对传统的简单遗传算法的缺陷，提出了改进的具有成熟前收敛判断的自适应遗传算法．用群体熵值和均方差来预报成熟前收敛的发生．当成熟前收敛发生时，提出以群体中的最优个体为基础，在其一定大小领域内随机产生若干个体，取代原种群中的部分个体，其中更新的个体数占群体中个体总数的30％—40％，领域大小与目标函数极值点分布有关．仿真实验证明，算法的收敛速度和全局收敛概率都有显的提高．     

一类神经网络模型的平衡点的收敛速率

研究了一类神经网络，包括Hopfield神经网络和细胞神经网络，从神经网络的互连矩阵以及神经元输入输出的激励函数出发，建立了全局情况下的指数收敛速率的估计和指数稳定性的结论。     

一种基于径向基函数插值的全局优化算法

通过将径向基函数插值方法嵌入到遗传算法中,得到了求解全局优化问题的一种混合算法.该混合算法是在径向基函数插值方法的基础上进行改进的,这种改进提升了黑箱函数全局优化的收敛效果,发挥了传统数值算法在计算速度与计算精度上的优势,既能简化所求解问题,也能全局搜索.