三对角线性方程组解法的研究

通过三对角线性方程组的两类解法讨论二阶常微分边值问题。第一类是直接法,即Gauss消元法,在没有舍入误差的假设下,直接方法在有限步产生方程的解。第二类是迭代法：Jacobi迭代、Gauss-Seidel迭代和SOR迭代,它按一定的格式逐次递推求出方程组的近似解,当然,近似解序列收敛的方法才能被采用。对三对角方程组而言,尽管迭代法程序比较简单,但迭代法的效率不如直接法。     

超松弛迭代法中ω的选取方法研究

对解线性方程组迭代法中的超松弛迭代法进行了分析,并对超松弛迭代法中最优松弛因子ω的选取给出了几种方法.并对算法进行了matlab实现来验证松弛因子的选取方法.     

结构优化的序列熵迭代法

本文提出了结构优化的序列熵迭代法。通过适当的变量代换,对目标函数作序列二次逼近,对约束函数作序列一次逼近,结合增量限制条件,将序列优化解表达成熵迭代格式。本法程序简单,收敛迅速。     

浅谈用切线迭代法反算坐标里程

本文通过对公路多种线形的研究，对各种公路线形用切线迭代法进行坐标反算里程原理以及计算方法做了详细的阐述。     

项目投资内部收益率计算之迭代法

内部收益率(IRR)是投资项目评价的重要指标,内插法作为IRR传统的计算方法,简单方便但计算不够准确。IRR的求解方程为高次非线性方程,二分法是数值方法中求解此类方程根的基本方法,能保证结果收敛,IRR值也比较准确,但计算繁琐,收敛速度较慢。简单迭代法是在二分法的基础上发展起来的,其计算相对简单,得出的IRR值比较准确。将Aitken加速迭代法引入IRR的计算中,相比之下,该方法既能得出比较真实的IRR,又大大减少了迭代次数。     

简化的牛顿迭代法的MATLAB实现

牛顿迭代法是方程求根中的一种较快捷的迭代方法，但遇到较复杂的方程时计算量较大。本文采用了MATLAB编程来实现牛顿迭代法，并给出了具体的计算例子。     

常规投资项目IRR计算方法的比较研究

对常规投资方案内部收益率(IRR)的八种计算方法,经过统一和简化公式,约定大致相同的计算量,以及用一个示例进行比较,结果显示精确性和简明性都较好的方法是割线迭代法。     

函数迭代法在商品合理运输中的应用

函数迭代法在商品合理运输中的应用董沛余采用动态规划中的函数迭代法是商品运输中实现运费最省、里程最短的一种有效的作业技术，在运输管理领域有着广泛的应用。函数迭代法的基本思路是：以段数（或步数）为参变数，通过从运输终点开始向起点逐段递推寻找，求出各个不同...     

用形变迭代法计算刚架

传统的结构力学中,对于计算刚架的变形及弯矩,通常采用位移法与迭代法的利用变形协调原理。但是随着计算机在工程计算中的大量运用以及计算程序升级日新月异。在实际工程计算及实践中,机器代替手工计算已经成为不可逆的时代潮流,但是必要的手算作为一种校核工具仍需被广大工程人员所掌握,文章所论述的方法,希望能为广大工程师在实践工作中提供参考。     

用形变迭代法计算刚架

传统的结构力学中,对于计算刚架的变形及弯矩,通常采用位移法与迭代法的利用变形协调原理。但是随着计算机在工程计算中的大量运用以及计算程序升级日新月异。在实际工程计算及实践中,机器代替手工计算已经成为不可逆的时代潮流,但是必要的手算作为一种校核工具仍需被广大工程人员所掌握,文章所论述的方法,希望能为广大工程师在实践工作中提...     

耦合Sylvester矩阵方程的梯度迭代算法

通过推广求解矩阵方程AX=b或AX+XB=C的递推迭代算法和基于递阶辩识原理的思想,给出了求解广义耦合矩阵方程的梯度迭代算法。并证明了迭代算法的收敛性。分析表明,若矩阵方程有唯一解,则对任意的初始值该算法给出的迭代解都能快速的收敛到其精确解。数值实例验证了该算法的有效性。     

基于范围限制的配送中心选址研究

在有范围限制的前提下，通过应用数学软件Matlab和迭代法来研究，符合限制条件的最优值及其对应的位置，为物流服务提供者提供一种物流设施设置的参考方法。     

基于Gauss求积公式的Newton迭代法

利用Gauss数值积分公式构造牛顿迭代法的变形格式,得到牛顿迭代方法的三个新格式,并证明了它们的收敛阶都为3。通过matlab编程进行数值试验,结果表明三个新格式具有较好的收敛速度。它们丰富了非线性方程求根的方法,在理论上和应用上都有一定的价值。     

费率非线性重心法选址探讨

介绍了在运输费率非线性变化时应用重心法选址的计算理论和方法,深入研究其数据的循环性质和结果以及循环性质对初始迭代点的敏感性,最后得出一些结论。     

A Bayesian learning procedure for the.(s, Q) inventory policy

We present an asymptotically optimal Bayesian learning procedure for the ( s, Q ) inventory policy, for the case when the probability distribution of lead time demand is unknown. This distribution is not required to be a member of a certain family, and the maximal lead time demand is also allowed to be unknown. The algorithm developed for this purpose Is an extension of a standard iterative procedure, which in its original form -in spite of claims to the contrary-might produce solution values that are arbitrarily far away from the optimal one.     

梯形明渠正常水深和临界水深的迭代计算法

图解法和试算法是计算正常水深和临界水深通常采用的方法,但计算精度欠佳且计算步骤繁杂。文章提出了一个新的迭代方程用于上述2种水深的计算,并用代数方法严格地证明了该方程具有收敛性。     

有竞争的物流配送中心选址模型研究

文章结合迭代算法、AHP和目标规划方法,在已有的关于有竞争的物流配送中心选址问题的研究成果上进行改进,进行了简单的研究。首先根据配送中心与顾客距离计算新配送中心的最大市场占有率,通过迭代算法获得一些相对较优备选地址,然后通过调查得出候选地址的相关信息,通过层次分析法评估各个备选地址的综合水平,最后通过多目标规划来寻找最好的位置建立物流配送中心,文章主要运用MATLAB,yaahp进行求解。     

A secure hash function based on feedback iterative structure

Rapid growth of internet data has created enormous security challenges on authenticity, availability and integrity protection of these outsourced data. Hash function is one of the main solutions to face these challenges. This paper proposes a feedback iterative structure of hash function which utilises the variable feedback to resist attacks. Furthermore, to accelerate message diffusion, two novel modules are designed, one for iteration and the other for truncation. Experimental results show that the proposed hash function can effectively resist existing attacks. Moreover, comparing with other existing hash functions, it displays better on statistical performance, collision resistance and avalanche.     

Penalized likelihood smoothing in robust state space models

In likelihood-based approaches to robustify state space models, Gaussian error distributions are replaced by non-normal alternatives with heavier tails. Robustified observation models are appropriate for time series with additive outliers, while state or transition equations with heavy-tailed error distributions lead to filters and smoothers that can cope with structural changes in trend or slope caused by innovations outliers. As a consequence, however, conditional filtering and smoothing densities become analytically intractable. Various attempts have been made to deal with this problem, reaching from approximate conditional mean type estimation to fully Bayesian analysis using MCMC simulation. In this article we consider penalized likelihood smoothers, this means estimators which maximize penalized likelihoods or, equivalently, posterior densities. Filtering and smoothing for additive and innovations outlier models can be carried out by computationally efficient Fisher scoring steps or iterative Kalman-type filters. Special emphasis is on the Student family, for which EM-type algorithms to estimate unknown hyperparameters are developed. Operational behaviour is illustrated by simulation experiments and by real data applications. Received: March 1998     

基于C语言对三次样条函数的求解及程序

在解三次样条函数时,最后都要归结为求解三对角型方程组。根据此类方程组的特点,该文介绍了一种追赶法,推导了使用这种方法的消元过程和回代过程,并给出了求解此类方程组的通用C语言程序,大大地节省了计算机工作量和计算机存贮单元。