说明:双击或选中下面任意单词,将显示该词的音标、读音、翻译等;选中中文或多个词,将显示翻译。
您的位置:首页 -> 词典 -> Mann迭代算法
1)  Mann-Iterative Algorithm
Mann迭代算法
1.
Mann-Iterative Algorithm for a System of Nonlinear Variationat-Like Inequalities;
非线性似变分不等式组的Mann迭代算法
2)  Ishikawa and Mann iterative algorithms
Ishikawa和Mann迭代算法
3)  Mann type implicit iteration
Mann型隐迭代算法
1.
Suppose that {an} is chosen in such a way that δ≤an≤1-δ for all n,where δ∈(0,1) is a small enough constant,then for arbitrary x0∈K,the sequence {xn} given by the Mann type implicit iteration process xn=anxn-1+(1-an)Tnxn(n>0) weakly converges to the fixed point of T.
则对任意的x0∈K,由Mann型隐迭代算法xn=anxn-1+(1-an)Tnxn(n>0)迭代出的序列{xn}弱收敛于T的不动点。
4)  Mann-type iterative algorithm
Mann-型迭代算法
1.
Furthermore the author considers a new class of generalized variational inclusions involving A-accretive operator and proposes a Mann-type iterative algorithm for approximating the solution of this class of generalized variational inclusions by using the resolvent operator technique for A-accretive operator.
通过进一步运用A-增生算子的预解算子技巧,考虑了一类新的关于A-增生算子的广义变分包含,并提出了一种Mann-型迭代算法来逼近此类广义变分包含的解。
5)  Extragradient Mann iterative algorithm
超梯度Mann迭代算法
6)  Mann-type iteration method
Mann型迭代法
1.
On the Mann-type iteration method for solutions to varational inclusion problems with strongly accretive-type mappings;
关于强增生型变分包含问题解的Mann型迭代法
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