1) functional iteration
函数迭代法
1.
The paper gives four kinds of differential equation and their expressions; and by means of derivation method of functional iteration and variable upper limit equation it discusses about their integrality.
提出四类积分微分方程组,借助函数迭代法及变上限函数的求导法则,论证其可积性,前三个定理给出求解公式,列举了实例。
2) the function order iterative method
函数值序迭代法
1.
In the foundation of order and indicator function, we introduce an improvement for the function iterative method, that is, the function order iterative method.
以序、指标函数和函数值迭代法为基础 ,提出了函数值序迭代法。
3) iterative function
迭代函数
1.
A Rapid Algorithm for Image Formation of Irregular Diagrams Based on Iterative Function;
基于迭代函数的不规则图像快速生成算法
2.
This paper establishes the iterative function to calculate the optimal k value in countercurrent extraction.
建立了计算串级萃取最优化k值的迭代函数 :R =c/k +d/(k - 1)。
3.
It consists of finding the sub-domains α for in terms of parameterm and regional function m(α ) and choosing the initial values of α properly according to the decreasing character of iterative function f(α ) .
对圆形截面钢筋混凝土偏压构件正截面承载力的计算 ,本文采用参数m和α的分区函数m (α)找出α所在的小区 ,再利用迭代函数 f(α)的递减性质进行迭代求解 ,往往一次迭代即可求得收敛解 ;其次 ,本文将α分成三个区域 (0 2 0 ,0 417)、(0 417,0 6 2 5 )、(0 6 2 5 ,1 0 0 ) ,在对应区域上采用三次切比雪夫多项式的零点作为插值节点 ,求出超越函数α(1-sin2πα/ 2πα)的最佳二次逼近多项式 ,用于截面复核可很好地满足精度要
4) iteration function
迭代函数
1.
Application of iteration function system′s fractal patterns in computerized hosiery machine
迭代函数系统的分形图案在电脑袜机上的应用
2.
In allusion to the state that the nonlinear complex mapping f(z)=zm+c is used as the iteration function,this paper firstly gives the corresponding algorithm-process according to the rationale of the escape time algorithm,then studies the iteration function f(z)=zm+c detailedly.
逃逸时间算法是生成Julia集最常用的算法,论文针对非线性复映射f(z)=zm+c为迭代函数的情形进行讨论。
3.
Furthermore, a criterion designing iteration functions is proposed and an improved parallel collision algorithm is given.
该文对解椭圆曲线上离散对数的Pollard ρ算法和并行碰撞搜索算法分别建立了它 们的图论模型和分析了碰撞技巧,比较了两个算法,进而提出了设计迭代函数的准则并 给出一个改进的并行碰撞算法。
5) iterated function
迭代函数
1.
In this method,the binary tree structure was used as the expression of the iterated functions of fractal pattern,and genetic operations were operated on the iterated functions with tree structure to produce new offspring.
这种方法通过二叉树结构表示分形图案的迭代函数,并对树型结构表示的迭代函数进行遗传操作,产生新的后代。
2.
The Julia set and Mandelbrot set (shortened form is J-M sets) are the typical delegate of iterated fractal-sets, f_c(z) = z~2+c is their iterated function, while the general J-M sets are the extension of J-M sets whose iterated function is changed to f_(ω,c)(z) = z~ω+ c.
Julia集和Mandelbrot集(简称J-M集)是迭代分形集的典型代表，它们是以f_c(z)=z~2+c为迭代函数的，而广义J-M集则是J-M集以f_(ω，c)_(Z)=z~ω+c为迭代函数时的一种推广。
6) iterated functions
迭代函数
1.
A fractal is regarded as the attractor for the system of hyperbolic iterated functions.
分形作为双曲迭代函数系统的吸引子,根据程序中迭代的选取,将分形模拟分为确定迭代法和随机迭代法。
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