摘要：针对现有粒子滤波算法的缺陷,设计了一种改进的粒子滤波算法。该算法通过改善重采样环节,采用随机移动粒子并向目标区域聚集的方案来解决现有算法的粒子退化问题和粒子多样性丢失问题。在正常行走时,它能够通过粒子加速聚集来实现较快的定位收敛。在面临“机器人劫持”问题时,通过粒子群反向扩散的方式来实现机器人的重定位,表现出了很好的鲁棒性和收敛速度。该算法经过仿真和实验测试,结果与预期相符。

摘要：基于滑面应力分析的边坡稳定随机有限元可靠度分析方法,边坡整体可靠指标的求解包含多重循环,如可靠指标的迭代求解循环、非线性随机有限元迭代求解循环、滑面最小可靠指标的搜索循环等。因此,改进非线性随机有限元的迭代计算方法、减少其迭代计算次数对于提高整个程序的运行速度具有重要意义。本文以增量切线刚度法为基础,详细推导了基于修正的Aitken加速法的非线性随机有限元加速迭代公式,并将之应用于边坡稳定的可靠度分析。其中,可靠指标的迭代求解方法是有限步长迭代法。算例表明,本文方法合理可行;采用加速算法可明显减少随机有限元的迭代次数,加速程序的运行效率;若中心点法与有限步长迭代法所求的可靠指标值相差较大,则其对应的滑面位置也相差较大;反之,若中心点法与有限步长迭代法所求的可靠指标值很接近,则其对应的滑面位置也基本一致。

摘要：阐述了基于物理信息指引的神经网络模型(PINN),构造深度神经网络作为试函数,将其代入中子学扩散方程形成残差,并作为机器学习的加权损失函数,进而通过深度机器学习技术逼近中子学扩散方程数值解;针对扩散方程的特点,提出了特征值方程加速收敛方法、有效增殖系数(k_(eff))高效并行搜索技术、学习样本网格点不均匀分布策略等创新性关键技术,并对神经网络深度、神经元数量、边界条件损失函数权重等关键参数进行了敏感性分析。验证计算结果表明,该方法具有良好的精度,提出的关键技术具有显著的成效,为中子学扩散方程的数值求解探索出了新的技术途径。

摘要：在三维非结构网格上应用聚合式多重网格技术来加速Euler方程的收敛过程.自行设计了一种高效率的网格聚合方法.采用四重三维非结构网格,在每一层网格上采用有限体积法进行计算.通过对M6翼型的数值求解验证了多重网格加速收敛的高效性.

摘要：针对矩阵方程Ａ＝Φ（Ａ）无导数求解问题。提出了多点迭代收敛加速算法。该算法为电力网络优化计算提供了有效手段。

摘要：分布式优化算法已广泛用于解决大规模多智能体系统优化问题,其中异步分布式方法由于其应用于多智能体系统时的灵活性和自主性而受欢迎。在本文中,我们针对多智能体系统一致性问题提出了一种基于的Zero-Gradient-Sum(ZGS)算法的异步分布式优化算法Accelerated-ZeroGradient-Sum(AZGS),其通过提高智能体之间的信息交互模式来加速ZGS算法的收敛速度。同时改进其信息交互方式使其在实际通信过程中节省通信量。在多智能体系统网络连通的条件下,证明了所提出的算法相比于原算法更快实现渐近收敛。最后,我们通过一个数值示例验证所提出的算法的有效性。

摘要：本文提出一种ＢＰ算法的加速收敛方法，利用误差自动调整步长和元输出特性Ｓ函数的参数，可大大提高算法的收敛速度。将此方法应用于２００ＭＷ核供热堆故障诊断研究，取得了较好的结果，证明此法是行之有效的。