仿样有限条法(spline finite strip method)是分析等截面结构最流行的数值方法之一.在以往的研究中,与一些基准问题的解析结果相比较,论证了该方法数值结果的有效性和收敛性,但至今未对该方法的精确解和显式误差项进行过数学推导,解析地论证过其收敛性.该文在对平板的分析中,使用酉变换(简称U变换)逼近法,导出了仿样有限条法精确的数学解,这是首次在公开文献中给出的精确解.和常规的仿样有限条法相比较,总矩阵方程的集成及其数值解都不同,U变换法的总矩阵方程,减少为仅含有2个未知量的方程,然后导出仿

路由协议ospf+快速收敛配置手册

用griewank函数测试标准粒子群收敛

一种快速收敛的自适应算法求解最小包围盒OBB 最小包围盒沿坐标轴向包围盒AABB（Axis-Aligned Bounding Boxes）算法简单，适用场合有限。沿任意方向的包围盒OBB（Oriented Bounding Boxes）适用面广，但大多算法效率不高，一方面是模型本身复杂导致，另一方面是精度越高、循环叠代次数沿指数增加而导致。博主几年前提出的一种求解OBB问题的自适应算法，并用UG NX二次开发Grip语言实现了此算法，经过测试，运算效率和精度都十分理想

SA的收敛性分析 问题： 将状态按目标值进行升序编号， 即 SA的Markov 链描述及收敛性分析 （4）

正则性假设或拟一致条件是进行有限元理论分析的基本假设,本文在不满足该假设的条件下,采用一种更简便的方法给出了双线性元在求解二阶问题时的超逼近结果;在此基础上,又得到了其在中心点的点态超收敛结果;最后的数值试验验证了理论分析的正确性。

针对多目标进化算法处理约束高维多目标优化问题时出现解的分布性和收敛性差、易陷入局部最优解问题,采用Pareto支配、分解与约束支配融合的方法,提出一种基于分解约束支配NSGA-II优化算法(DBCDP-NSGA-II).该算法在保留NSGA-II中快速非支配排序的基础上,首先采用Pareto支配对种群进行支配排序;然后根据解的性质采用分解约束支配(DBCDP)惩罚等价解,保留稀疏区域的可行解和非可行解,提高种群的分布性、多样性和收敛性;最后采用个体到权重向量的垂直距离和拥挤度距离对临界值进行再排序,直到选出N个最优个体进入下一次迭代.以约束DTLZ问题中C-DTLZ1、C-DTLZ2、DTLZ8、DTLZ9测试函数为例,将所提出的算法与C-NSGA-II、C-NSGA-III、C-MOEA/D和C-MOEA/DD进行对比分析.仿真结果表明,DBCDP-NSGA-II所得最优解分布更加均匀,具有更好的全局收敛性.

基于生物免疫系统的重要原理和机理提出了一种免疫进化算法(I EA),对此算法收敛性进行了理论分析,并将该算法应用到多模态函数优化的求解中。仿真结果表明,该算法用于复杂的函数优化具有较快的收敛速度和有效性,利用此算法研究优化问题具有广阔的前景。

三维激光扫描技术采用散乱点云对隧道监测,难以对数据进行精确变形处理分析。通过圆曲线拟合隧道点云切片得到的隧道收敛半径,虽然模型简单但不能很好的描述隧道的局部特征,应用三次B样条曲线在特定局部邻域拟合点云切片较好的解决了圆曲线局部拟合不精确,样条曲线整体拟合干扰大局部特征不明显这些缺点。通过实验表明,采用该方法进行环形隧道收敛变形分析,更能真实的反应隧道的真实变形情况,该方法对隧道变形监测具有一定的实用价值。

包括雅可比迭代，高斯赛德尔迭代，松弛法迭代