一种改进X-best引导个体和动态等级更新机制的鸡群算法

在群智能算法的改进中，常利用优秀个体加速算法收敛，但对其依赖过度会导致种群多样性和算法全局收敛性下降的现象。对此，提出一种改进X-best引导个体和动态等级更新机制的鸡群算法。首先，在个体更新阶段不仅引入优秀个体加速收敛，并且通过普通个体对优秀个体的影响进行适当平衡，因此，优秀个体与普通个体的信息都能得到利用，进而种群多样性和算法全局收敛性得到提升。其次，通过对等级更新参数进行动态优化，加强了种群等级更新机制对算法收敛的促进作用。最后，经过时间复杂度与收敛性分析，证明了改进算法仍具有简单性和全局收敛性。仿真结果表明:所提出的改进算法较其他对比算法在寻优精度、寻优成功率和收敛速度等方面都具有明显优势。      

函数型数据部分线性模型的估计的r阶收敛性

论文利用一种特殊的加权方法和简单的最小二重法，对稀疏和稠密的函数型数据的半参数部分线性模型提出了一种统一的估计方法，并探讨了估计的r阶收敛性。在提出的方法中，不需要区分对数据的观测是稀疏的还是稠密的。     

采用CARMH模型的广义最小方差自校正控制器全局收敛性

在一种新的预测模型的基础上，建立了一般的广义最小方差自校正控制器，并证明了当辨识算法采用随机逼近法时的这种自适应算法的全局收敛性，从而为这种新型模型的进一步应用提供了一定的理论依据。     

非列紧空间的一般非扩张映象的Ishikawa迭代序列

本文证明了Hilbert空间上的非列紧的一般非扩张映象的Ishikawa迭代序列的收敛性。     

调和级数悖论的剖析——与张慧老师商榷

张慧老师在文献[1]宣称证明了调和级数是一个既收敛又发散的级数,并认为这一悖论的发现是数学理论上的一个突破。经过剖析发现文献[1]中调和级数收敛性证明是错误的。     

多目标演化算法的对比研究

多目标演化算法已成为优化技术研究的一个重要方向，介绍了多目标演化算法的分类方法，给出了其基本流程。按时间顺序详细介绍了现有的九种典型多目标演化算法的实施过程，对比了这些算法的优缺点，并讨论了与多目标演化算法相关联的一些问题如约束的处理、算法的收敛性等。     

算术平均序列的收敛性

下述命题是熟知的:假设 {x_n)_(n=1)~∞是一数列且x_n=a 则1/n x_=a,并且我们知道它的逆命题是不真的。本文给出两个定理和两个推论,定理1断言S_n=1/nx_i 收敛于 a 和 b 的某种组合,这里 a 是(x_n)的子列极限,b 亦如此。在定理2中我们给出1/nx_i=0的一个充要条件,两个推论也是有趣的。     

关于外测新体制的一些分析与思考

针对外测新体制下数据处理中遇到的一些重要问题进行了较为深入的讨论。认真分析了多站测速系统的严重病态以及样条约束的EMBET算法在目标非平稳段的剩余截断误差等制约弹道处理精度的重要问题,并提出解决问题的思路与方法。     

基于支持向量机的航空发动机PID解耦控制

针对航空发动机多变量控制系统中各回路之间存在的耦合现象,提出了一种基于支持向量机(support vector machines,SVM)的航空发动机PID(proportion integration differentiation)解耦控制方法.利用SVM辨识发动机非线性模型,并获得SVM瞬时线性化模型,在线性化模型的基础上完成了PID参数的在线自整定.利用Lyapunov稳定性定理对控制器的收敛性进行了分析.通过对某型航空发动机的仿真,验证了该方法的有效性和可行性.