1) subspace iteration method
子空间迭代法
1.
Taking the double-cable suspension bridge located in the lower reach of the Huanghe Daxia Reservoir as an example,the natural vibration characteristics of the suspension bridge are analyzed by introducing in 3-D tension-only elements and adopting the subspace iteration method of the geometrical nonlinearity nature.
引入只受拉三维拉索单元,采用考虑几何非线性的子空间迭代法对黄河大峡水库下游某双索悬索桥自振特性进行分析,理论值与实测值能较好的吻合,说明该空间非线性有限元分析方法的正确性;进而将该桥与相同跨径和结构参数的单索悬索桥的自振频率、振型进行对比分析,结果表明双索悬索桥能有效提高桥梁一阶竖弯振动频率。
2.
The free vibration characteristics of stringed beam structure were analyzed systematically with subspace iteration method of software ANSYS.
利用ANSYS软件中的子空间迭代法,分析了张弦梁结构的自振特性,针对不同的参数如矢跨比、垂跨比、撑杆数、横索数、预应力度和整体倾角等进行了大量参数分析,得出了各参数对张弦梁结构的自振特性的影响及张梁弦结构的自振规律。
2) subspace iteration
子空间迭代法
1.
A subspace iteration algorithm is applied to solve the problem using a quasi front method.
针对叶片动频率陀螺特征值问题，首先将其转化为等价的广义实对称矩阵特征值问题，然后用拟波前子空间迭代法进行求解。
2.
By the EBE strategy and the preconditioned conjugate gradient method (PCG method),we have developed an EBE-subspace iteration for generalized eigenproblems, in which all computations are performed on the element level.
本文利用ＥＢＥ策略和预处理共轭梯度法（ＰＣＧ法），将广义特征值问题子空间迭代法中各步的计算都单元化，从而避免了总刚度和总质量矩阵的组集，大大节省了存储量。
3.
In this paper, subspace iteration is used to reduce high-order dynamic systems to loworder ones.
本文采用子空间迭代法将工程结构高阶动力系统减缩为低阶动力系统，然后用Ｃｏｌｌａｔｚ包含定理的推广求出该结构系统的最低阶固有频率。
3) sub-space iteration method
子空间迭代法
1.
Based on modal type analysis in ANSYS finite element analysis program, sub-space iteration method is employed to calculate the dynamic characteristics of this structure.
以郑州国际会展中心会议厅钢屋盖为研究对象,根据ANSYS有限元分析程序中的模态分析,利用子空间迭代法对结构进行了计算,分析了这种新型的预应力大跨空间钢屋盖的动力特性。
2.
Dynamic behavior of spaced truss is tested and analysed using free vibration and sub-space iteration methods respectively.
采用自由振动法测试和子空间迭代法分析网架结构的动力特性，并用增加钢材质量密度的方法来考虑由于混凝土屋面板的存在对网架结构质量的增加，求解网架的自振频率和振型，测试结果与计算结果相当吻
3.
The first five natural frequencies with different plate thickness are obtained using the sub-space iteration method.
通过编制程序,采用子空间迭代法求得不同板厚的前5阶固有频率值,并将计算结果与理论解和有限元软件ABAQUS的结果进行比较。
4) an adjoint simplectic subspace iteration method
辛子空间迭代法
5) Subspace inverse iteration method
子空间反迭代法
6) Krylov subspace iteration method
Krylov子空间迭代法
1.
Based on Krylov subspace iteration method and pre-conditions technology,a parallel FEM program of simulating the excavation of underground cavern are developed.
基于Krylov子空间迭代法和预条件技术,采用基于区域分解思想的粗粒度并行策略开发了地下洞室群开挖模拟的并行有限元程序。
补充资料：策略迭代法
动态规划中求最优策略的基本方法之一。它借助于动态规划基本方程，交替使用"求值计算"和"策略改进"两个步骤，求出逐次改进的、最终达到或收敛于最优策略的策略序列。
例如，在最短路径问题中，设给定M个点1，2，...，M。点M是目的点,сij>0是点i到点j的距离i≠j,сij=0,i,j=1,2,...,M,要求出点i到点M的最短路。记??(i)为从i到M的最短路长度。此问题的动态规划基本方程为
(1)其策略迭代法的程序如下：选定一初始策略u0(i),在这问题中,策略u(i)的意义是从点i出发走一步后到达的点，而且作为策略,它是集{1,2,...,M-1}上的函数。由u0(i)解下列方程组求出相应的值函数??0(i)：
再由??0(i)求改进的一次迭代策略u1(i),使它是下列最小值问题的解：然后，再如前面一样,由u1(i)求出相应的值函数??1(i)，并由??1(i)求得改进的二次迭代策略u2(i),如此继续下去。 可见求解(1)的策略迭代法的程序由下列两个基本步骤组成：
①求值计算 由策略 un(i)求相应的值函数??n(i)，即求下列方程的解：
②策略改进 由值函数??n(i)求改进的策略,即求下列最小值问题的解：式中规定,如un(i)是上一问题的解,则取un+1(i)=un(i)。
在一定条件下,由任选的初始策略出发,轮换进行这两个步骤, 经有限步N后将得出对所有i,uN+1(i)=uN(i)这样求得的uN(i)就是最优策略，相应的值函数??N(i)。是方程(1)的解。
对于更一般形式的动态规划基本方程
(2)这里??，H，φ为给定实函数。上述两个步骤变成：
①求值计算 由策略un(x)求相应的值函数 ??n(x)，即求方程 之解，n=0，1，2...。
②策略改进 由值函数??n(x)求改进的策略un+1(x)，即求最优值问题的解。
对于满足适当条件的方程(2)和初始策略,上述两个步骤的解存在，并且在一定条件下,当n→ 时,所得序列{??n(x)}与{un(x)}在某种意义下分别收敛于(2)的解和最优策略。
策略迭代法最初是由R.贝尔曼提出的。1960年，R.A.霍华德对于一种马尔可夫决策过程模型，提出了适用的策略迭代法，给出了相应的收敛性证明。后来，发现策略迭代法和牛顿迭代法在一定条件下的等价性，于是，从算子方程的牛顿逼近法的角度去研究策略迭代法，得到了发展。
对于范围很广的一类马尔可夫决策过程，其动态规划基本方程可以写成；式中??∈V，对所有 γ∈Γ:r(γ)∈V，γ为 V→V的线性算子,Γ为这种算子的族，而V 则是由指标值函数所构造的函数空间。假设当 ??(γ)是方程 r(γ)＋γ??＝0 的解时, 它是对应于策略γ的指标值函数。最优策略 γ定义为最优值问题的解。这时由策略迭代法所求得的序列 {??n}和{γn}满足下列关系其中为 γn+1的逆算子。当σ是加托可微时, γn+1是σ在??n处的加托导数。于是，上面的关系恰好表达了牛顿迭代法在算子方程中的推广。
例如，在最短路径问题中，设给定M个点1，2，...，M。点M是目的点,сij>0是点i到点j的距离i≠j,сij=0,i,j=1,2,...,M,要求出点i到点M的最短路。记??(i)为从i到M的最短路长度。此问题的动态规划基本方程为
(1)其策略迭代法的程序如下：选定一初始策略u0(i),在这问题中,策略u(i)的意义是从点i出发走一步后到达的点，而且作为策略,它是集{1,2,...,M-1}上的函数。由u0(i)解下列方程组求出相应的值函数??0(i)：
再由??0(i)求改进的一次迭代策略u1(i),使它是下列最小值问题的解：然后，再如前面一样,由u1(i)求出相应的值函数??1(i)，并由??1(i)求得改进的二次迭代策略u2(i),如此继续下去。 可见求解(1)的策略迭代法的程序由下列两个基本步骤组成：
①求值计算 由策略 un(i)求相应的值函数??n(i)，即求下列方程的解：
②策略改进 由值函数??n(i)求改进的策略,即求下列最小值问题的解：式中规定,如un(i)是上一问题的解,则取un+1(i)=un(i)。
在一定条件下,由任选的初始策略出发,轮换进行这两个步骤, 经有限步N后将得出对所有i,uN+1(i)=uN(i)这样求得的uN(i)就是最优策略，相应的值函数??N(i)。是方程(1)的解。
对于更一般形式的动态规划基本方程
(2)这里??，H，φ为给定实函数。上述两个步骤变成：
①求值计算 由策略un(x)求相应的值函数 ??n(x)，即求方程 之解，n=0，1，2...。
②策略改进 由值函数??n(x)求改进的策略un+1(x)，即求最优值问题的解。
对于满足适当条件的方程(2)和初始策略,上述两个步骤的解存在，并且在一定条件下,当n→ 时,所得序列{??n(x)}与{un(x)}在某种意义下分别收敛于(2)的解和最优策略。
策略迭代法最初是由R.贝尔曼提出的。1960年，R.A.霍华德对于一种马尔可夫决策过程模型，提出了适用的策略迭代法，给出了相应的收敛性证明。后来，发现策略迭代法和牛顿迭代法在一定条件下的等价性，于是，从算子方程的牛顿逼近法的角度去研究策略迭代法，得到了发展。
对于范围很广的一类马尔可夫决策过程，其动态规划基本方程可以写成；式中??∈V，对所有 γ∈Γ:r(γ)∈V，γ为 V→V的线性算子,Γ为这种算子的族，而V 则是由指标值函数所构造的函数空间。假设当 ??(γ)是方程 r(γ)＋γ??＝0 的解时, 它是对应于策略γ的指标值函数。最优策略 γ定义为最优值问题的解。这时由策略迭代法所求得的序列 {??n}和{γn}满足下列关系其中为 γn+1的逆算子。当σ是加托可微时, γn+1是σ在??n处的加托导数。于是，上面的关系恰好表达了牛顿迭代法在算子方程中的推广。
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