集合划分问题的粒子群优化算法

建立了集合划分问题的优化数学模型,结合遗传算法的思想提出的粒子群算法来解决集合划分问题。经过比较测试,6种粒子群算法的效果都比较好,特别交叉策略A和变异策略A的混合粒子群算法是最好的且简单有效的算法。     

应用广义拟余能原理研究流固耦合问题(英文)

水动力学与固体力学交叉的流固耦合理论是船舶与海洋工程结构响应分析与直接设计的重要工具.本文应用卷变积方法,按照广义力和广义位移之间的对应关系,将弹性动力学的基本方程卷乘上相应的虚量,然后积分,代数相加,并考虑到体积力和面积力均为伴生力,建立了非保守系统初值问题的两类变量的广义拟余能原理.应用广义拟余能原理研究流固耦合问题,分析了结构的动力响应,给出同时求解力类量和位移类量两类变量的计算方法.     

基于北斗双星系统的模糊度求解算法

快速而准确地确定整周模糊度是实现双星定向的关键所在.北斗双星系统由于其自身的一些特性,其模糊度求解无法直接应用模糊度映射函数技术、最小二乘搜索技术和快速模糊度解算等针对多星系统的模糊度解算方法.基于双星定向数学模型和等效旋转基线法的思想,针对普通旋转基线法存在的缺陷,提出了等效两次旋转基线法求解模糊度的算法.该算法只需要使基线随载体转动两个较小的角度,经过一系列运算.就可求得模糊度.算法结构简单,操作方便.     

CABOSFV算法中集合稀疏差异度阈值确定方法

在实际应用中,CABOSFV算法初始参数———集合稀疏差异度阈值b的确定是否合理,对聚类结果是否有效起决定作用。本文针对如何科学方便地确定集合稀疏差异度阈值b进行了深入研究,给出了集合稀疏差异度阈值确定方法,并通过该方法进行了实例计算。计算结果表明,由于该方法能够确定聚类结果中类的对象组成最小数量,聚类结果的粗糙与精细程度可以人为控制,对聚类结果的准确及高效提供了很好的保证,能够为CABOSFV算法进行聚类提供合理的阈值。     

变尺寸装箱问题的迭代/贪婪动态规划算法

针对船舶建造中管材切割规划这一类特殊的变尺寸装箱问题,提出了一种迭代贪婪/动态规划算法(IGDP)并对其进行求解.首先,提出了求解子集和问题的贪婪操作与动态规划的组合解法.然后,基于贪婪操作与动态规划的组合解法实现对整个问题的构造启发式求解,并且通过迭代的拆箱/再分配操作提高了算法的局部搜索能力.最后,通过8个算例的仿...     

线性流形上广义反自反矩阵反问题的最小二乘解

设P∈C m×m、Q∈C n×n 是广义反射矩阵,若A∈C m×n满足A=-PAQ,则称A为关于矩阵对(P,Q)的广义反自反矩阵; 所有m×n阶关于矩阵对(P,Q)的广义反自反矩阵的全体记为Cam×n (P,Q). 设S={A∈Cam×n(P,Q)(|AZ-Y)=min,Z∈C n×k,Y∈C m×k}, 考虑问题Ⅰ给定X∈C n×p,B∈C m×p,求A∈S,使得(AX-B)=min,考虑问题Ⅱ给定(~A)∈C m×n,求(A)∈SE,使得(~A-~A)=infA∈SE(~A-A),其中SE是问题Ⅰ的解集合.首先讨论C m×na (P,Q)中元素的结构,然后给出问题Ⅰ解集合SE的通式,最后证明问题Ⅱ的解存在唯一,并给出解的表达式.     

基于最小二乘和广义最小二乘的系统偏差估计研究

多传感器数据融合首先要解决误差配准问题,来估计系统偏差并消除它.把最小二乘理论运用于多传感器数据融合,能够得到系统偏差估计.分析最小二乘(LS)和广义最小二乘(GLS)的原理,并对两种算法进行了比较.     

海伦方程矩量法分析

介绍了矩量法的基本思想,分析并详细推导了海伦积分方程的具体形式.分别对全域基、点匹配和分域基、点匹配法求解海伦方程的过程进行了分析,重点研究了海伦方程基于分域基的矩量法,提出了一种新的分段和匹配方法,通过实际计算,比较了全域基与分域基计算结果.对广义阻抗矩阵的性态进行了重点研究,分析了导致数值结果不稳定的原因.     

舰船艉轴密封系统有限元法分析

针对经典力学法只能求解较为简单的工程问题的缺陷,通过有限元法对舰船艉轴的两种常用密封形式进行了动力学分析,将计算结果通过数值方法加以整合,并从中找到与实际运行过程相符的计算结果进行分析,直观地展现了两种密封结构的优缺点.     

一类广义中心对称矩阵的Procrustes问题

设R∈(C)n×n为广义反射矩阵满足R=RH=R-1≠±In.若G∈(C)n×n满足RGR=G,则称G为广义中心对称矩阵.所有n×n阶广义中心对称矩阵的全体记为GCS(C)n×n.考虑问题Ⅰ给定X,Y,D∈(C)n×p,求A,B∈GCS(C) n×n,使得‖AX-BY-D‖=min.问题Ⅱ给定,∈(C)n×n,求((A),(B))∈ψ(X,Y,D)使得‖(A,B)-((A),(B))‖=min(A,B)∈φ(X,Y,D)‖(A,B)-((A),(B))‖(ψ(X,Y,D)是问题Ⅰ的解集合).文中给出了问题Ⅰ的通解表示及问题Ⅱ的唯一解,的表达式.