1) random iterative algorithm
随机迭代算法
1.
A new random iterative algorithm is constructed.
文章引入和研究一类带随机模糊映射的随机广义变分包含问题,构造了一个新的随机迭代算法;在一定条件下,证明了这类问题解的存在性以及由随机算法所产生的序列的收敛性。
2.
The authors introduce and study a new class of random nonlinear generalized variational inclusions with random fuzzy mappings and construct a new random iterative algorithm for solving this class of random fuzzy variational inclusions.
引入并研究了一类带随机模糊映射的广义非线性随机变分包含,构造了一个新的随机迭代算法,在一定条件下,讨论了这类问题随机解的存在性以及由随机算法所产生的序列的收敛性。
3.
The random iterative algorithm in the fractal geometry and the method to draw the fern leaf graphics were introduced.
基于Fractal生成系统的开发实践,主要介绍了分形几何的随机迭代算法以及羊齿叶图形的绘制,并通过分析,改变相关的初始值来展现不同形态的羊齿叶分形图形。
2) random iteration algorithm
随机迭代算法
1.
Fabric printing pattern design based on IFS random iteration algorithm;
基于IFS随机迭代算法的印花图案设计
2.
The iterated function systems(it is called IFS for short) theory and the random iteration algorithm were expounded.
阐述了迭代函数系(IteratedFunctionSystem,简称IFS)理论及随机迭代算法,通过理论解析给出了求IFS吸引子界的方法,介绍了IFS吸引子的Lyapunov指数和关联维数的算法。
3.
The iterated function systems (it is called IFS for short) theory and the random iteration algorithm are expounded.
阐述了迭代函数系(iteratedfunctionsystem,IFS)理论及随机迭代算法,通过理论解析给出了求由两个仿射映射所构造的一类IFS吸引子的界的方法,介绍了IFS吸引子的Lyapunov指数和关联维数的算法。
3) Random iterated algorithm
随机迭代算法
1.
A probability distribution model of random iterated algorithm and its application;
随机迭代算法的概率分布模型及应用
4) random repeated algorithm
随机性迭代算法
1.
After analyzing random repeated algorithm of Sierpinski Triangle, it is generalized polygonal Fractals and the universal program which is written by VB language is provided in the paper.
论文通过对Sierpinski三角形的随机性迭代算法进行分析,进而推广到多边形分形图,并给出了用VB语言实现的通用程序。
5) stochastic iterated inverse function algorithm
随机反函数迭代算法
6) stochastic iterative method
随机迭代方法
补充资料：迭代算法
迭代算法
iteration algorithm
迭代算法〔i恤腼吨函d朋;HTep叫“ouH‘~p“仪] 由点到集合的一个映射序列A*所确定的递推算法，其中A*:V一V，V是一个拓扑空间，对于某初始点““任v，可依下式计算点列。“任V， 。“+，一注*。“，儿=o，l，·…(l)称算子(1)为迭代(i把mt沁n)，而序列{。“}为迭代序列(itemti祀s叫uence). 迭代法(jtemtionn犯thod)(或迭代逼近法(me-thod of iterati记appro汕na石on”应用于求下面算子方程的解 通。”f，(2)即某泛函的极小值，求方程Au=又“的本征值和本征向量等，同时也用来证明这些问题解的存在性.如果对于一个初始近似。。，当k一的时:‘~。，则称迭代方法(l)收敛到问题的解u. 求解(2)的线性度量空间V上的算子A*一般由下式构造 注*况几=。七一H*(A。友一f)，(3)其中{H*二V~V}是由某迭代型方法所确定的算子序列.压缩映射原理(c ontraCting .n分pp吨pnn-ciPle)及真摧户，’或著向题的泛函变分极小化方法都是建立在构造形如(l)，(3)的迭代法基础之上.所使用的构造A七的各种方法有Newton法(Newton脸thod)或下降法(d留cent，n祀th(记of)的诸多变形.人们尝试选取H*使得在一定条件下。止~u的快速收敛得到保证，这些条件要求计算机存储空间确定后算子A*u六的数值实现充分简单，有尽可能低的复杂性而且数值稳定.求解线性问题的迭代法得到了很好的发展和深人的研究.该迭代法这里分为线性与非线性两大类.Ga.法(Ga璐nr目兀心)，Sd翻法(Sei-delrr℃th司)，逐次超松弛法(见松弛法(侧公爪沁n1优thod))和带有tle氏皿eB参数的迭代法属于线性方法;变分法(如最速下降法，共扼梯度法和极小偏差法(mi曲nal discrepancyn坦thod))等.见最速下降法(s吹p巴t把ceni，皿thi对of);共扼梯度法(eonju，te脚dients，此山记of)属于非线性方法.最有效的迭代法之一是使用tIe玩IIDeB参数(Che勿shevP~t-ers)，这里A是一个带有〔。，M』上谱的自相伴算子，M>m>0.这个方法提供了关于预先指定的第n步收敛性最优(对谱边界上的给定信息)估计.方法可描述为 “‘+’=“一“*十1(通。
说明：补充资料仅用于学习参考，请勿用于其它任何用途。
参考词条