一类广义凸规划的最优性条件

最优性条件是数学规划理论中最基本和核心的内容之一。本文讨论了由一类（ｈ,φ）－凸函数所构成的广义凸规划的最优性条件。利用文〔２〕中定义的Ｂｅｎ－Ｔａｌ广义代数运算,本文得到了这类广义凸规划的Ｋｕｈｎ－Ｔｕｃｋｅｒ充分条件和必要条件,所得结果推广了通常凸规划相应的结论     

基于B样条的气以设计遗传算法研究

在气动反设计引进了基于自然选择和生物遗传机制的遗传算法,针对遗传算法的搜索原理和气动外形特点,提出了与之相的Ｂ样条基因表达,构造了均匀变异与非均匀变异相结合的自适应变异算子,提出了用于优化设计的适应函数,发展了一种小种群演化方法。文中并以全位势方程求解程序为例,进行了翼型重构反设计,验证了本方法的可行性,然后在此基础上进行了基于阻力极小的优化设计,取得了令人满意的结果。     

极大代数在柔性制造系统建模中的不适用性

正确地认识和描述一个问题,是解决问题的前提条件。一个良好的柔性制造系统(FMS)模型可以反映其结构特性和预测其动态运行状况,为分析评价FMS的技术经济效益提供必要的信息,并为FMS的规划设计和运行决策提供依据。极大代数理论是目前常用的FMS建模方法之一,通过对极大代数理论和相应的FMS模型的分析,作者认为基于极大代数理论的FMS模型与实际系统相距甚远,无法反映FMS的柔性和FMS的动态运行过程。因此,极大代数理论不适合FMS的建模分析。     

关于规范矢量场的计算

规范形理论是常微分程中分叉和浑沌研究的基本工具。将一个给定矢量场转化为它的规范形是规范形研究的基本内容之一，也是国内外众多学者年年来关心和研究的热门课题。文中利用计算机代数技术，提出一种计算规范矢量场的新方法，从而成功地解决了带有小参数扰动的半单规范形计算问题。     

求解广义特征值问题的并行保域多分法

近年来，随着并行机的发展，提出了代数特征值问题的并行多分法，但国内外的研究工作迄今仅限于对称三对角矩阵的标准特征值问题。在科学与工程众多领域内有着重要应用的广义特征值问题的多分法，因难度大等方面原因尚无人研究。本文提出广义特征值问题的并行保域多分法，该算法适用于大型稀疏实对称矩阵广义特征值问题的求解，它克服了传统的广义特征值问题的对分法（行列式查找法）出现的漏根或迭代不收敛等缺点，并保持其优点。作者在ＹＨ－１向量机上对这一算法进行了数值实验，并与并行保域行列式查找法作了比较。数值结果表明，该算法具有较高的加速比，当系统自由度为２１１４、求解特征对个数为３时，加速比可达７．７；且当问题规模较大时，并行保域多分法优于并行保域行列式查找法。     

基于平方距离极小化方法用C-C细分曲面拟合三角网格

基于平方距离极小化方法(SDM),给出了用C-C细分曲面重构有特征的、任意拓扑三角网格模型的算法.首先识别特征并结合人工交互的方式在初始网格上进行四边域划分,然后直接在域面上对数据点进行近似参数化和分区,以域顶点为顶点构造初始控制网格.建立局部坐标系并优化每个数据点的参数值,基于SDM建立拟合方程.循环进行控制顶点的反求和待拟合数据点的参数校正,直至达到给定的误差要求.与传统的最小二乘法拟合(LSQ)相比,本文方法的逼近精度(二阶逼近)要高得多.     

基于空间算子代数理论多刚体系统反向动力学仿真

应用空间算子代数理论,在通用计算机符号演算软件Mathematica5.2的环境下,对多刚体系统反向动力学进行设计与实现.广义质量是正、反向动力学及联系旋量力和旋量加速度的重要参量,据此可形成高效递推算法.用空间算子代数理论求广义质量、反向动力学具有形式简洁、物理意义明确、编程效率高和直观等特征.运用VB.NET编程软件实现与Mathematica5.2软件无缝集成,对多刚体系统动力学仿真及反向动力学进行参数化分析与计算,给出了实施过程.根据分析结果,对PUMA560机器人进行了反向动力学设计,并与结果进行了对比,通过算例验证了结果的正确性和有效性.     

均方差图象匹配系统的最佳窗口函数

本文假定图象信号和附加噪声是零均值齐次高斯随机场,且二次可微,实测图象相对于参考图象有小的几何失真,导出了描述匹配系统配准特性的两个参数(极大极小比率和定位精度)的解析表达式,以此为优化目标,用变分学方法导出了均方差图象匹配系统最佳窗口函数Ⅰ、Ⅱ的实域和频域表达式,最后用计算机模拟验证了最佳窗口函数对图象匹配系统定位特性的改善。     

ART算法几种重建模型的研究和比较

代数重建法(AlgebraicReconstructionTechniques,ART)适合于不完全投影数据的图像重建;其缺点是重建时间长,因而提高该算法的重建速度一直是研究的热点。本文对影响ART算法的几种重建模型进行了研究,并通过仿真数据分别对几种重建模型进行了成像数值实验。分析和比较了各种重建模型的重建速度和重建质量。     

独立指数分布期望参数的Г极小极大估计

在参数的部分先验信息已知的条件下所获得的Г极小极大估计是一种介于有确定的先验分布函数的Bayes估计和无先验信息的极小极大估计之间的估计方法，因而更切合实际。以往的研究对二项分布参数的线性组合及负二项分布的参数在某些限制条件下的Г极小极大估计做了讨论。本文给出了独立指数分布的期望参数在一般的先验矩限制下的Г极小极大估计，同时讨论了两种特殊情况，即给出了在仅有先验二阶矩限制下的以及有确定的先验一阶矩和二阶矩限制下的指数分布的期望参数的Г极小极大估计。