1) trial and error iteration method
试算迭代法
1.
In order to decrease the times of evaluation inverse for nonlinear seismic response analysis under multi support excitations,the trial and error iteration method is developed by a trial factor.
同时 ,为降低多点输入非线性分析迭代过程中刚度矩阵的求逆次数 ,对原迭代方法作进一步推导 ,提出采用试管因子的试算迭代法 ,在不降低计算精度的基础上 ,有效地减少计算时间 。
2) iteration algorithm
迭代算法
1.
The Cost Calculation Research on Actual Price Iteration Algorithm for Coating Production Input-output Method;
基于实际价迭代算法的涂料制造投入产出成本核算方法研究
2.
Study and application of parallel iteration algorithm;
并行迭代算法的研究及应用
3.
The iteration algorithm of applying singular value decomposition about ridge-estimate;
一种使用奇异值分解的岭估计的迭代算法
3) iterative algorithm
迭代算法
1.
Symmetric Mesh-Iterative Algorithms for Image Reconstruction;
由投影重建图像的对称网格迭代算法
2.
An iterative algorithm applied to structural physical parameter identification;
一种迭代算法在结构物理参数识别中的应用
3.
Novel SFBC-OFDM system with iterative algorithm;
基于迭代算法的SFBC-OFDM系统
4) iterative method
迭代算法
1.
An iterative method for the least squares solutions of a pair of matrix equations and its optimal approximation;
矩阵方程组的最小二乘解及其最佳逼近的迭代算法
2.
A corresponding iterative method is presented by making use of conjugate gradient method.
利用共轭梯度法的思想,建立相应的迭代算法。
3.
Two iterative methods and corresponding discriminative condition of convergence are proposed.
探讨了水电站过渡过程数值计算中水轮机边界条件基本方程及其迭代算法稳定性问题,从理论上推导出两种迭代算法的收敛判别条件。
5) Iterative algorithms
迭代算法
1.
Three-steps iterative algorithms for variational inequalities;
求解变分不等式的三步迭代算法
2.
As the calculation speed of the CPU is fast developed, more consideration is paid to the iterative algorithms in tomographic reconstruction, which were only experimented as a research method before.
随着计算机运算速度的飞速发展 ,以前只是被看成一种研究方法的迭代算法在图像重建中越来越引起人们的重视 ,并且已经在科研、工业和医学领域中得到了实际应用。
3.
By using projection method,we construct some new iterative algorithms for solving this class of systems of variational inequalities,and we prove the strong convergence of iterative sequences generalized by the algorithms.
利用投影方法研究了一类集值映象变分不等式组解的问题,给出了其解的迭代算法,并证明了由迭代算法生成的迭代序列的收敛性。
6) iterative arithmetic
迭代算法
1.
Integration application of space surveying border intersecting analytical arithmetic and iterative arithmetic
空间测边交会解析算法与迭代算法的综合应用
2.
A new accurate edge detection method obtaining the best threshold of image segmentation based on iterative arithmetic and abstracting edge by eroded arithmetic of mat.
提出一种用迭代算法求图像分割最佳阈值和运用数学形态学的腐蚀算法实现轮廓提取相结合的细胞图像边缘精确检测算法,并给出仿真实例。
3.
Then,it solves this model with iterative arithmetic.
提出了对已知流量的路段数少于OD对的对数的路网进行OD推算,利用LOG IT概率多路径选择模型,建立已知流量路段的分配模型,采用迭代算法对其进行求解,并对结果进行分析,提出了大型城市网路OD推算步骤。
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