用微粒群算法求解多元非线性方程组

分析了将多元非线性方程组的求解问题转化为求多元函数极值的优化问题的原理和方法;利用微粒群算法在连续空间中的优化能力求得极值点,得到方程组的近似解;给出了优化算法的具体流程;通过两个算例说明算法的可行性和有效性,实验结果表明此算法具有较高的效率和精度．     

基于非线性最化的模糊神经网络控制新算法

根据人类专家处理问题的一般思路,提出一种仿人非线性最化函数并把它有效地应用于模糊神经网络控制器中,仿真研究表明,它能有效地克服原有算法的缺陷,具有良好的动,静态,性能。     

非线性抛物型方程组解的爆破问题

研究了带非线性边界条件эu /эn=up·vq,эu /эn=ur·vs的非线性抛物型方程组ut=Δum,vt=Δvm(m≥1)时的爆破问题. 获得了其解爆破的几个充分条件.     

几个典型非线性方程组的显式精确解

对试探函数方法进行了扩展,通过引入恰当的试探函数找到了耦合Burgers方程、耦合KdV方程和修正cKdV方程组的几类精确解.实例证明在对非线性方程组的求解中,试探函数方法仍是一种简便易行的方法.     

平行弦迭代法解代数方程

本文提出了解代数方程的平行弦迭代法,并讨论了它的收敛性。此法,程序简单,运算量小,收敛速度较快,可为2阶的,而且有可能求出精确解。本文还给出了用平行弦法解非线性代数方程的收敛性条件。     

浮点遗传算法在非线性方程组求解中的应用

将非线性方程组的求解问题转化为函数优化问题,利用浮点遗传算法适应值的分布和实数编码的特点,通过缩小、移动搜索空间的方法,将整体和局部寻优能力有机地结合起来,求得非线性方程组的高精度的解．数值模拟结果表明浮点遗传算法的有效性。     

改进的遗传算法在非线性方程组求解中的应用

将非线性方程组的求解问题转化为函数优化问题,利用遗传算法适应值的分布和二进制编码的特点,通过缩小、移动搜索空间的方法,求得非线性方程组的高精度的解．同时,数值模拟表明改进后的算法的提高了遗传算法在演化后期的局部寻优能力。     

三阶奇摄动非线性边值问题解的唯一性

利用微分不等式理论,研究了三阶奇摄动非线性边值问题,以上下解为基础,建立了解的唯一性定理,在适当条件下,构造具体的上下解,得到了解的唯一性.结果表明这种技巧为奇摄动边值问题的唯一性研究提出了新的思路.     

径向基神经网络辨识非线性系统的改进算法

利用神经网络的非线性映射特性,将神经网络应用于非线性系统辨识。利用径向基神经网络来辨识非线性系统,并对两种不同RBF神经网络辨识算法进行比较。仿真结果表明,改进的算法具有学习速度快,辨识精度高的特点。     

分析强非线性振动系统周期解的一种方法

本文提出了分析强非线性拟保守系统 x+g(x)=f(x,x')周期解的一种方法,它是Lindstedt一Poincar6方法的推广,用此法可以确定极限环的振幅和 周期。作为实例,确定了修正的vanderPol振子的极限环振幅;研究了立方强非线性保守系 统的Duf红ng方程,并给出了一阶近似周期解。      

非线性短时交通流的一种神经网络预测方法

短时交通流预测是交通控制与交通诱导系统的关键问题之一。随着预测时间跨度的缩短,交通流量的变化显示出越来越强的不确定性,使得一般的预测方法难以奏效。本文针对BP神经网络运行的特点。提出了用隔离小生境遗传算法优化传统的BP网络。实例证明,该神经网络的进化建模方法设计简单,全局搜索效率较高,能有效的用于短时交通流量的预测。     

三阶奇摄动非线性边值问题解的唯一性

利用微分不等式理论，研究了三阶奇摄动非线性边值问题，以上下解为基础，建立了解的唯一性定理，在适当条件下，构造具体的上下解，得到了解的唯一性．结果表明这种技巧为奇摄动边值问题的唯一性研究提出了新的思路．     

BP神经网络在模拟非线性系统输出中的应用

概述了非线性系统输出模拟的方法，对BP神经网络及改进的BP算法作了简要介绍。以BP神经网络运用于激光焊接过程中模拟焊缝形状的典型例子，探讨了BP神经网络在非线性系统模拟输出中的可行性；通过实例分析及比较测试结果，对BP网络的结构和训练样本的选取等进行了有益的探索。     

基于改进遗传算法的递归神经网络非线性系统辨识

将递归内时延神经网络应用于非线性动力学系统辨识中，描述了其动力学方程，并引入改进遗传算法作为其学习算法，通过非线性动力学SISO和MIMO系统的辨识仿真研究，验证了内时延递归网络结构和改进遗传算法的有效性。     

微分方程系概周期解的存在唯一性

应用构造Liapunov函数方法，讨论了非线性微分方程系概周期解的存在唯一性，同时给出了Lienard方程存在唯一概周期解的一组充分条件。     

脉冲时滞细胞神经网络周期解的存在性和指数稳定性

研究了脉冲时滞神经网络周期解的存在性和全局指数稳定性问题。运用控制压缩原理和Lyapunov函数建立了几个确保系统周期解存在和稳定的充分条件。有助于设计和应用CNN型生物和人工神经网络。数值实例验证了结论的正确性。