您现在的位置: 首页> 研究主题> 差分算子

差分算子

差分算子的相关文献在1982年到2022年内共计103篇,主要集中在数学、自动化技术、计算机技术、经济计划与管理 等领域,其中期刊论文95篇、会议论文5篇、专利文献12869篇;相关期刊79种,包括华章、绍兴文理学院学报、杭州师范大学学报(社会科学版)等; 相关会议4种,包括2015年中国地球科学联合学术年会、第十四届全国图象图形学学术会议、中国自动化学会中南六省(区)学术年会等;差分算子的相关文献由173位作者贡献,包括杨甲山、刘丹、周美秀等。

差分算子—发文量

期刊论文>

论文:95 占比:0.73%

会议论文>

论文:5 占比:0.04%

专利文献>

论文:12869 占比:99.23%

总计:12969篇

差分算子—发文趋势图

差分算子

-研究学者

  • 杨甲山
  • 刘丹
  • 周美秀
  • 孙书荣
  • 韩振来
  • 潘晓英
  • 王欣阵
  • 郭洪霞
  • 孙丹
  • 孙建新
  • 期刊论文
  • 会议论文
  • 专利文献

搜索

排序:

年份

    • 邱仕林; 郑瑞林; 刘丹
    • 摘要: 本文运用Nevanlinna值分布论研究了有穷级亚纯函数与其差分算子分担函数的问题,得到了如下结果。设f(z)是有穷级超越亚纯函数,a(z)(≢∞),b(z)是f(z)的Borel例外函数且a(z),b(z)∈S(f),其中a(z)是满足ρ(a(z)) ηf(z)≢0的非零常数。如果f(z)和Δηf(z)CM分担Δηa(z),b(z),那么,a(z)=0,b(z)=∞,f(z)=BeAz,其中A,B是非零常数。本文是对陈创鑫和张然然结果的改进和推广。
    • 刘刚; 孙佳琦; 董伟星
    • 摘要: 粒子群及其改进算法是进行建筑能耗优化的重要方法,但是算法性能很大程度上取决于其参数设置.目前针对改进粒子群算法在建筑性能优化领域的最优参数设置的研究较少.本文旨在探讨两种常见的改进粒子群算法:差分粒子群(dPSO)算法和遗传粒子群(gPSO)算法在建筑能耗优化中的最优参数设置问题.在使用测试函数验证改进算法的有效性后,针对以能耗为目标的办公建筑形体优化问题,使用15组常见的参数组合进行重复实验.建立以稳定性、准确性和收敛时间3个指标为目标的算法性能多目标评价模型,计算pareto解集,得到性能表现优异的算法参数组合,即进行建筑能耗优化时,当对计算速度或计算准确度有较高要求时,建议采用参数设置为c1=c2=1.5,pm=0.5,pc=0.9或c1=c2=2.0,pm=0.1,pc=0.9的gPSO算法;当对优化过程没有偏好时,可采用参数设置为c1=c2=2.0,CR=0.5,F=0.4的dPSO算法.最后使用不同气候区的同类型建筑优化问题,对得到的高效参数组合进行了验证.
    • 陈创鑫; 张然然
    • 摘要: 作者研究了关于有穷级整函数两个差分算子的分担值问题,证明了:令f(z)是满足λ(f-a(z))<ρ(f)的有穷级超越整函数,其中a(z)(∈S(f))是整函数且满足ρ(a(z))<1,并令η(∈C)是常数且满足△^(2)_(η)f(z)≠0.如果△^(2)_(η)f(z)和Δ_(η)f(z)CM分担Δ_(η)a(z),其中Δ_(η)a(z)∈S(Δ^(2)_(η)f(z)),那么f(z)=a(z)+Be^(Az),其中A,B是两个非零常数且a(z)退化为常数.
    • 陈创鑫; 张然然
    • 摘要: 作者研究了关于有穷级整函数两个差分算子的分担值问题,证明了:令f(z)是满足λ(f-a(z))<p(f)的有穷级超越整函数,其中a(z)(∈ S(f))是整函数且满足p(a(z))<1,并令η(∈C)是常数且满足Δ2ηf(z)≠0.如果Δ2ηf(z)和Δηf(z)CM分担Δηa(z),其中Δηa(z)∈S(Δ2ηf(z)),那么f(z)=a(z)+BeAz,其中A,B是两个非零常数且a(z)退化为常数.
    • 戴中林
    • 摘要: 给出了求自然数幂和的差分算子解法,即先用待定系数法表出自然数幂和的有限项形式,即幂和多项式,然后建立以待定系数为未知量的线性方程组,通过应用矩阵初等变换以及差分算子的计算方法,最后求得确定幂和多项式各待定系数的解矩阵,从而得到求自然数幂和的又一种计算方法.
    • 戴中林
    • 摘要: 给出了求自然数幂和的一种差分公式法.首先将自然数幂和表示为有限项多项式形式,且每一项为关于自然数n的递减连乘积,由此建立以各项系数为未知量的线性方程组,并通过应用矩阵初等变换以及差分算子的计算工具,从而得到求自然数幂和的又一计算公式.
    • 李倩; 吴小英
    • 摘要: 利用复域差分方程的方法,研究差分多项式的唯一性问题,在某一个整函数具有正的亏值假设下,证明了2个不同整函数的差分算子CM分担某值时的唯一性问题,所得结果可以看作微分情形的差分模拟.
    • 杜冠军; 佟国香
    • 摘要: 在KKT(Karush-Kuhn-Tucker)条件下,m维的连续多目标优化问题的Pareto解集在决策空间是一个(m-1)维的流形(manifold).随着算法的迭代,当前种群将分布在流形的周围.为充分利用这一规则特性(regularity property)以解决具有复杂PS(Pareto set)的多目标优化问题,本文提出一种基于差分算子和分布估计算子的混合子代生成算法.首先,引入一个参数来指示当前种群的收敛程度,即当前种群解个体所构成的数据的协方差矩阵的前(m-1)个特征值的和与所有特征值的和的比,比值越大,收敛程度越高;进而,根据不同比值,自适应调节差分算子和分布估计算子生成新解的数量.将该算法在tec09系列测试函数上进行仿真实验,并与RM-MEDA、NSGA-II-DE两个算法进行对比,实验结果表明,RM-MEDA/DE算法优于与之比较的其他算法.
    • 李笑笑; 王银河; 朱宁宁
    • 摘要: 针对参数已知,但存在时间延迟和未知外部干扰的离散非线性系统,讨论PID通用数字控制器的设计方法.首先通过引入差分算子建立被控系统模型,然后以此为基础使用极点配置方法为其设计高阶数字PID跟踪控制器,其参数可以通过求解相应的Diophantine方程得到.将差分算子作为控制器的基本运算模块,与现有的以延迟算子作为基本运算模块的方法相比较,这种方法不仅能够减少Diophantine方程的求解运算量,而且能够保证被控对象的输出跟随期望的输出.最后,数值仿真结果验证了该方法的有效性.
    • 马元锋; 李昂儒; 余慧敏; 潘晓英
    • 摘要: The goal of the research on multi-objective immune optimization algorithm is to make the population uniform-ly distributed in Pareto optimal domain and make the algorithm converge fast.To improve the diversity and convergence of the non-dominated solution set,a dynamic crowding distance-based hybrid immune algorithm for multi-objective opti-mization problem was presented in this paper.The algorithm uses dynamic crowding distance calculation to compare and update individuals in each subpopulation.Meanwhile,it references mutation-guiding operator of differential evolution to strengthen the local search ability and improve search precision of the immune optimization algorithm.Compared with the other three efficient multi-objective optimization algorithms,five benchmark test problems and simulation results in-dicate that the algorithm performs better in approximation,uniformity and coverage.It converges significantly faster than the relevant optimization algorithms.%多目标免疫优化算法的研究目标是种群均匀分布于优化问题的非劣最优域并使算法快速收敛.为进一步提高多目标优化问题非支配解集合的分布均匀性和收敛性,提出了一种基于动态拥挤距离的混合多目标免疫优化算法.该算法基于动态拥挤距离来对个体进行比较和更新操作,从而保持最终解集的均匀分布,同时借鉴经典差分进化算法中的变异引导算子来加强免疫优化算法的局部搜索能力并提高搜索精度.基于 5 个经典测试函数的仿真结果表明,与其他几种有效的多目标优化算法相比,所提算法不仅在求得 Pareto 最优解集的逼近性、均匀性和宽广性上有明显优势,而且收敛速度也有较大的改进和提高.
  • 查看更多

客服邮箱:kefu@zhangqiaokeyan.com

京公网安备:11010802029741号 ICP备案号:京ICP备15016152号-6 六维联合信息科技 (北京) 有限公司©版权所有
  • 客服微信

  • 服务号