针对灰狼优化算法(Grey Wolf Optimization,GWO)在收敛性研究上的不足,首先,通过定义灰狼群状态转移序列,建立了GWO算法的马尔科夫(Markov)链模型,通过分析Markov链的性质,证明它是有限齐次Markov链;其次,通过分析灰狼群状态序列最终转...针对灰狼优化算法(Grey Wolf Optimization,GWO)在收敛性研究上的不足,首先,通过定义灰狼群状态转移序列,建立了GWO算法的马尔科夫(Markov)链模型,通过分析Markov链的性质,证明它是有限齐次Markov链;其次,通过分析灰狼群状态序列最终转移状态,结合随机搜索算法的收敛准则,验证了GWO算法的全局收敛性;最后,对典型测试函数、偏移函数及旋转函数进行仿真实验,并与多种群体智能算法进行对比分析.实验结果表明,GWO算法具有全局收敛性强、计算耗时短和寻优精度高等优势.展开更多
研究了用Newton-Steffensen法求解非线性算子方程.当非线性算子F的一阶导数满足L-平均Lipschitz条件时,建立了Newton-Steffensen法的三阶收敛判据,同时也给出了收敛球半径的估计.作为应用,当F的一阶导数满足经典的Lipschitz条件时或F满...研究了用Newton-Steffensen法求解非线性算子方程.当非线性算子F的一阶导数满足L-平均Lipschitz条件时,建立了Newton-Steffensen法的三阶收敛判据,同时也给出了收敛球半径的估计.作为应用,当F的一阶导数满足经典的Lipschitz条件时或F满足γ-条件时,建立了Newton-Steffensen法的三阶收敛判据及给出了收敛球半径的估计.从而推广了[Journal of Nonlinear and Convex Analysis,2018,19:433-460]中的相应结果.展开更多
文摘针对灰狼优化算法(Grey Wolf Optimization,GWO)在收敛性研究上的不足,首先,通过定义灰狼群状态转移序列,建立了GWO算法的马尔科夫(Markov)链模型,通过分析Markov链的性质,证明它是有限齐次Markov链;其次,通过分析灰狼群状态序列最终转移状态,结合随机搜索算法的收敛准则,验证了GWO算法的全局收敛性;最后,对典型测试函数、偏移函数及旋转函数进行仿真实验,并与多种群体智能算法进行对比分析.实验结果表明,GWO算法具有全局收敛性强、计算耗时短和寻优精度高等优势.
文摘研究了用Newton-Steffensen法求解非线性算子方程.当非线性算子F的一阶导数满足L-平均Lipschitz条件时,建立了Newton-Steffensen法的三阶收敛判据,同时也给出了收敛球半径的估计.作为应用,当F的一阶导数满足经典的Lipschitz条件时或F满足γ-条件时,建立了Newton-Steffensen法的三阶收敛判据及给出了收敛球半径的估计.从而推广了[Journal of Nonlinear and Convex Analysis,2018,19:433-460]中的相应结果.
