一种新的求解非线性最小二乘问题的牛顿迭代算法

通过对普通牛顿迭代法的Hessian矩阵添加一个正则化因子,改善迭代过程中Hessian矩阵的病态程度,构造出一种新的求解不适定非线性最小二乘问题牛顿迭代算法,并给出算法迭代步骤,解决了普通牛顿迭代法在迭代过程中其Hessian矩阵秩亏或者严重病态而导致不能收敛的问题,最后,以地基沉降-时间关系预测的泊松模型为例,进行了数值分析实验,结果表明本研究中所提方法是适用的．     

一种求解线性二层规划的修正Frank-Wolf方法

利用迭代点校正方法，将非线性规划中的Frank—Wolf方法应用于线性二层规划问题，从而提出了一种求解线性二层规划的简单算法，同时给出了算法的收敛性．数值结果表明，给出的算法是可行有效的．     

基于成本迭代与需求迭代的四阶段交通模型双重反馈算法研究

四阶段交通模型作为最流行的交通需求预测模型理论,其计算结果存在不一致性的缺陷,反馈算法被引入模型结构中来解决不一致性的问题。研究提出了成本迭代与需求迭代的双重迭代反馈算法,并使用案例比较了它与既有反馈算法的差异。研究结果表明：成本迭代＋需求迭代的双重迭代模型结构能够在不影响预测结果的前提下减少迭代次数和系统运行时间,收敛过程更加稳定且能够适用于不同规格的交通网络。     

数控车削加工仿真中的切削力预测

利用人工神经网络模拟现实复杂系统的输入输出关系,对数控车削仿真中的切削力预测进行了研究．通过几种神经网络算法与传统的经验公式预测进行对比,找出真正适合本试验数据的算法,从而实现对切削力的快速精确预测．     

POMDP基于点的值迭代算法中一种信念选择方法

部分可观察马尔可夫决策过程（POMDP）是描述不确定环境下进行决策的数学模型．基于点的值迭代算法是求解POMDP问题的一类近似解法．针对基于点的算法中信念选择这一关键问题,提出了一种基于熵的信念选择方法（EBBS）．EBBS算法通过计算可以转移到的信念点的不确定性,选择熵较小且到当前信念点集距离大于一定阈值的信念点扩充信念点集合．实验结果表明,通过熵选择信念点的值迭代算法只需要在较少数量的信念点上进行值迭代操作就能得到预期的折扣报酬．     

基于预测控制的动车组迭代学习控制方法

针对动车组运行过程中存在非线性扰动、参数时变等问题，以提高动车组的速度跟踪精度和乘客舒适性要求为目标，提出了一种基于预测控制的高速动车组迭代学习控制方法；通过采集动车组先前运行过程中的输入输出数据，使用带遗忘因子的最小二乘法实时辨识广义预测控制(GPC)中的预测模型参数并计算预测输出，根据以往过程的平均模型误差修正该预测输出，利用修正后预测输出引出迭代学习控制律，在线实时计算得到新的控制量，实现动车组速度跟踪；采用修正后预测输出设计二次型迭代学习控制律，通过充分学习列车系统的重复性特性来解决传统比例积分微分(PID)型迭代学习参数整定难、收敛速度慢和鲁棒性差等问题，并给出算法的收敛性证明；以实验室配备的CRH380A型动车组半实物仿真平台对该方法进行了测试，建立了列车的三动力单元模型，使其跟踪设定速度曲线，并与一些传统算法进行对比。仿真结果表明：在第8次迭代过程，基于预测控制的高速动车组迭代学习控制方法得到的动力单元速度与其设定的速度和加速度误差分别在0.3 km·h^-1和0.5 m·s^-2以内，且变化平稳，其性能优于PID、GPC和P型迭代...     

基于局部正交化的一维搜索预报并行算法

区域分解技术中虚拟边界预测是一种高效的并行处理方法，采用一维搜索预报算法对虚拟边界进行预测可加快问题的求解速度；针对大规模数值计算提出了局部正交化方法，这种预处理方法可以很好地改善迭代矩阵的条件数．将局部正交化与一维搜索预报并行算法相结合。并运用范数性质证明了解的收敛性．通过算例表明。该算法能有效地减少计算量，提高计算速度．     

Hilbert空间广义变分不等式的迭代方法

应用辅助原则技术,在部分相关强单调和非空有界闭子集条件下,提出了一个解广义变分不等式问题的预测校正算法.作为应用,给出了许多解不同类型变分不等式的新的结果.     

Hilbert空间广义变分不等式的迭代方法

应用辅助原则技术,在部分相关强单调和非空有界闭子集条件下,提出了一个解广义变分不等式问题的预测校正算法.作为应用,给出了许多解不同类型变分不等式的新的结果.     

基于自适应滤波改进算法的大连港吞吐量预测

为了有效对大连港港口吞吐量进行预测,引入自适应滤波算法,利用MATLAB仿真模型构建未来港口吞吐量预测模型,其中包括实验模拟过程,技术原理及理论模型。预测结果由改进的自适应滤波算法得到,结合设置的不同的增幅等级,进行不同程度的校正。结果表明,通过模型设定的小误差,选择4个权重,通过迭代运算得到最佳权重,然后应用于下一组数据进行预测。研究表明:使用改进后的自适应滤波算法港口吞吐量预测值的方差和标准差分别从改进前的0.019 899、0.141 064提升到改进后的0.008 172、0.090 399,说明该模型能够有效预测随后几年的港口吞吐量。     

A Reduced Complexity Time-Delay Tracking and Channel Estimation for OFDM Systems

Introduction OFDM[1]is a special case of multicarrier trans-mission, where a single datastream is transmittedover a number of orthogonal subcarriers. Becausethe symbol duration increases for the lower rateparallel subcarriers, the relative amount of disper-sion in time caused by multipath delay spread is de-creased. Intersymbol interference is eliminated al-most completely by introducing a guard time in ev-ery OFDM symbol. Due to these advantages,OFDM is widely exploited for the communica…     

New strategies for collision resolution of multi-access channel

ABSTRACT： The truncated binary exponential back-off algorithm is one of the most effective methods applied in collision resolution process of random multi-access channel. In this study, two new strategies are presented to improve the capability of the truncated binary exponential back-off algorithm. In the new strategies, the sizes of the initial window size or the operating window sizes are adjusted dynamically, which always bring a significant improvement for the self-adaptability of the original A series of experiments are simulated and the results verify that the new strategies can make the implementation more stable and effective than the original algorithm.     

基于二叉排序树的约束Delaunay三角网局部调整算法

在两步法构建约束Delaunay三角网过程中,向现有三角网中嵌入约束边时需要进行三角网的局部调整,对这一过程进行了研究,给出了一种对影响域进行重新剖分的二叉排序树算法。使用该算法在向三角网内嵌入约束边时,只需以影响域边界点在边界数组中的序号来构造一棵二叉排序树即可完成对影响域的剖分,并且可以利用生成的二叉树中各节点之间的关系迅速重构三角形之间的拓扑关系从而完成一次调整,该算法使用递归思想,简洁而高效。     

基于二叉排序树的约束Delaunay三角网局部调整算法

在两步法构建约束Delaunay三角网过程中,向现有三角网中嵌入约束边时需要进行三角网的局部调整,对这一过程进行了研究,给出了一种对影响域进行重新剖分的二叉排序树算法。使用该算法在向三角网内嵌入约束边时,只需以影响域边界点在边界数组中的序号来构造一棵二叉排序树即可完成对影响域的剖分,并且可以利用生成的二叉树中各节点之间的关系迅速重构三角形之间的拓扑关系从而完成一次调整,该算法使用递归思想,简洁而高效。     

社区儿童接送服务车辆的线路优化

以社区儿童接送服务车辆的路线优化问题为研究对象,建立了多目标非线性整数规划模型,其中目标函数包括车辆数最少、车辆行驶的时间最短、所有乘客总旅行时间最短、各辆车的负荷均衡、各辆车的运行时间均衡5个目标.这5个目标分为4个优先级.提出了解决这类问题的新的启发式优化算法.该算法从构造最小生成树开始,找出基本线路;然后通过选择可调单元调整线路得到优化的线路.提出了线路确定后,乘客要求调整线路时应遵循的原则.     

考虑交叉口不同饱和度的路网动态分区方法

为了便于信号控制策略的实施,针对路网中不同状态的交叉口,考虑子区内交叉口的同质性和关联性,提出了基于不同拥挤程度的路网动态分区方法.首先考虑相邻交叉口的交通关联度和相似度,建立了路网动态分区模型;然后结合谱图理论设计了动态分区算法,根据特征向量元素,对路段、交叉口的拥堵程度进行划分;最后提出了动态子区划分评价准则.算例结果表明,本文提出的方法既能有效地保证相关性较强的交叉口划入同一子区,又使得各子区内部路段的拥堵程度比较均衡,有利于各种不同拥挤程度的子区信号控制方案的选择和实施,对于交通信号控制方案的设计有实际的指导意义.     

基于模糊C均值聚类的城市道路交通状态判别

为及时判别城市道路交通状态,考虑城市道路交通特征的差异性和交通流的波动特性,对状态指标的合理性进行分析;将交通状态划分为畅通、缓行、拥堵、阻塞4类,提出一种基于模糊C均值聚类（FC M ）判别城市道路交通状态的算法。选取车速、流量、占有率作为交通状态判断指标,根据不同指标设计3种方案,用MATLAB模糊逻辑工具箱分析出仿真数据的聚类中心,对不同指标组合下的各样本交通状态进行判断,验证算法判别的可行性。结果表明,以速度、流量、占有率为参数的FCM算法能较好地判别城市道路交通状态,精度较高。     

Research on maximum power point tracking in redundant load mode for photovoltaic system

In order to ensure that the photovoltaic (PV) array always works at the global maximum point of power to increase the system’s overall efficiency, this paper leads the study on maximum power point tracking (MPPT) in redundant load mode. A new control system is designed by combining the redundant electronic load module, embedded controller, supportive capacitor and boost circuit. The system adjusts duty ratio of boost circuit dynamically based on the maximum power point parameter provided by redundant load unit in order to realize MPPT. An experiment shows that no matter whether system is under an even illumination or partly perturbed by shadow, this method can find the exact maximum power point.     

多元协同演绎在一阶逻辑ATP中的应用

一阶逻辑是数理逻辑中重要的分支,对其逻辑公式的自动推理是人工智能领域重要的研究热点之一. 目前一阶逻辑自动定理证明大多采用二元归结方法，每次只有2个子句进行归结，只消去1组互补对，导致演绎归结式文字数较多，影响了演绎效率. 为此，基于矛盾体分离规则提出了一种多元协同演绎算法，该算法每次允许多个子句进行协同演绎，消去多组互补对，从而演绎分离式文字数较少且可控，能有效提高推理能力；并且，该算法通过有效演绎权重和无效演绎权重调整子句演绎顺序，利用回溯机制搜索较优路径，有效规划演绎路径. 将该算法应用于国际顶尖证明器Eprover 2.1，以CADE2017竞赛例（FOF组）为测试对象，对加入多元协同演绎算法的Eprover 2.1证明器进行试验. 试验结果表明其能力超过了Eprover 2.1:多证明定理8个；能证明Eprover 2.1未证明定理31个，占未证明总数的28.2%.      

Trend prediction of chaotic time series

Trend prediction of chaotic ti me series is anin-teresting probleminti me series analysis andti me se-ries data mining(TSDM)fields[1].TSDM-basedmethods can successfully characterize and predictcomplex,irregular,and chaotic ti me series.Somemethods have been proposed to predict the trend ofchaotic ti me series.In our knowledge,these meth-ods can be classified into t wo categories as follows.The first category is based on the embeddedspace[2-3],where rawti me series data is mapped to areconst…