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 -> 超梯度Mann迭代算法
1)  Extragradient Mann iterative algorithm
超梯度Mann迭代算法
2)  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
3)  Ishikawa and Mann iterative algorithms
Ishikawa和Mann迭代算法
4)  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。
5)  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。
6)  the Arithmetic of Iterative Grade
梯度迭代算法
1.
In light of the shortcoming of existent arithmetic based on the model of Signal Energy used to sensor network track,the author proposes a new arithmetic—the Arithmetic of Iterative Grade and proves it has obvious advantage in accuracy and speed of track through emulation experiment.
针对现有基于信号源能量模型的算法的不足,给出了一种全新的算法—梯度迭代算法,并通过仿真实验证明了其在追踪的精确度和速度方面具有明显的优势。
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