关于线性规划中的循环问题研究

单纯形算法之所以是求解线性规划问题的主要的原因之一,在于它遇到的循环现象是极其罕见的。本文从Ｂ．Ｂｅａｌｅ１９９５年给出的示例入手,从理论上分析单纯形算法产生的循环的充分条件,并给出了２个实例。     

火箭发动机燃烧室内气体非定常流动数值模拟

应用新的ＰＩＳＯ算法对液体火箭发动机内非定常流动过程进行了数值模拟计算。算法采用一步隐式预测、两步显式校正完成每一时间层计算,而不是通常的多次迭代计算,因而大大缩短计算时间。     

一种优化神经网络映射算法——吸收算法

本文揭示了神经计算的本质──并行分布处理,并以此为基础提出了时间步的概念。分析了映射算法的两个重要概念──负载均衡和通讯开销,并提出了映射分配准则。在神经网络的映射分配中引入图论的有关思想,提出了一种优化的神经网络映射算法──吸收算法。最后给出了重要的试验结果,这些数据表明吸收算法是一种有效的映射算法。     

特定温度下的费米体系反演

基于Tikhonov正则化方法的思想,提出了一个费米体系反演的数值方法。给出了一个正则算子的构成方法,克服了凭经验选择正则参数的缺点。证明了收敛性,并给出了误差估计。而且,应用该算法对费米体系反演进行了研究,对计算机给出的实验结果进行了讨论。     

噪声情况下基于δ—K方法的费米体系数值反演

在文献[1][2]结果的基础上,给出了一个费米体系数值反演的超分辨处理方法。这种广义偏离算法是基于Tikhonov正则化技术,能够在算法中附加各种限制和先验信息,抑制噪声干扰,且计算的复杂性较低。     

共轭梯度反传算法及其在液体火箭发动机系统辨识中的应用

结合非线性优化理论和方法提出了易于实现、收敛速度比较快的多层神经网络共轭梯度反传算法。液体火箭发动机参数辨识技术已得到广泛的应用,由于传统的数学方法必须基于发动机已知模型,使得其参数辨识受到极大的限制。文中基于神经网络共轭梯度反传算法进行液体火箭发动机的系统辨识,结合变推力发动机热试车动态数据,得到了满意的仿真结果。     

自适应互作用多模型(AIMM)算法在机动目标跟踪中的应用

首先,对自适应互作用的多模型（AIMM）算法在机动目标跟踪中的应用作了介绍。此算法不需事先已知模型,而是用一个二级卡尔曼估计器估计目标的加速度,然后,采用相互作用的多模型（IMM）算法,将估计加速度送给加速度参数不同的子滤波器。最后,对不同机动目标情形进行仿真,将AIMM算法和IMM算法做一比较。考虑到有关计算的需要和容易实现等要求,此算法可以在并行机上计算。     

应用于有源消声的变换域LMS算法

针对自适应有源消声最常用的滤波—XLMS算法(FLMS)运算量小、收敛缓慢、宽带消声效果差等不足之处,利用误差通道滤波特性,提出了变换域滤波—XLMS算法。新算法的突出优点是收敛速度较快、宽带消声效果较好。     

强机动目标的非线性滤波器设计

本文应用Kalman 滤波技术,研究了一套适用于航空火力控制系统的机动目标状态估值算法。文中将目标加速度模型假设为既有依赖状态的系数,又能自动适应目标机动的二阶高斯——马尔柯夫过程。采用非线性滤波理论,对非线性耦合的目标相对运动模型没有强行解耦和线性化,而是直接进行滤波。最后就估值精度滤波收敛速度和目标机动变化的适应性等方面进行了大量的数字仿真。仿真结果表明本文所设计的非线性滤波器具有良好的性能。     

浅议舰艇指挥算法中的数学建模问题

本文首先介绍作战指挥的概念、研究状况、功能和作用。然后以大量篇幅介绍舰艇作战指挥算法的数学建模问题,包括建模的特点、方法、建模顺序及软件支持,并给出两个例子说明建模方法的具体应用。最后给出结论和建议。