1) major function
强函数，优函数
2) function optimization
函数优化
1.
Modified chaos optimization algorithm and its application in function optimization;
改进的混沌优化算法及其在函数优化中的应用
2.
An improved adaptive genetic algorithm and its application in function optimization;
改进自适应遗传算法在函数优化中的应用研究
3.
An ant colony algorithm design for the function optimization;
用于求解函数优化的蚁群算法设计
3) superiority function
优势函数
1.
First, we used a superiority function to express the situation between the enemy and ourselves,and built up an air fleet fight superiority function matrix.
首先用优势函数来表明敌我态势,建立机群对抗优势函数矩阵。
4) Optimization function
优化函数
1.
By establishing displacement optimization function based on some measured geostresses,a new approach of getting initial geostress field in the whole interested region is represented,which adjusts displacement boundary conditions automatically and make full use of 3-D finite element calculation.
采用优化位移边界条件拟合工程区域初始地应力场,根据实测地应力资料建立针对所施加的任一边界位移模式的优化函数,不断调整位移边界模式并通过有限元数值计算,最终得到边界位移模式的最优组合和工程区域初始地应力场,从而为初始地应力场的反演分析提供一个新的途径。
2.
The optimization function of a combinatorial game is studied.
利用组合数论的理论,给出了计算优化函数的一个新方法,并确定了4≤4m≤120时优化函数g(4m,6)的准确值,以及相应的优化向量。
5) dominant function
优势函数
1.
A dominant function for situation evaluation of air combat was established, with emphasis of study on scheme, model and algorithm for target allocation, and the result of digital simulation was analysed.
建立了用于空战态势评估的优势函数,重点研究了协同目标分配方案、分配模型及分配算法,并对数字仿真结果进行了分析。
2.
From the angle of airfight of the fighter plane,this paper analyses the process of airfight,and establishes the dominant function of the fighter plane when attacking enemy,then by use of the idea of the ant colony algorithm builds a model of the target assignment.
从预警机引导战斗机空战的角度出发,通过对预警机引导战斗机空战过程的分析,确立了战斗机对敌攻击时应具有的优势函数,建立了基于蚁群算法的空战目标分配模型。
3.
The dominant function is built to evaluate air combat situation for UAV, and the UAV maneuvering regulation based on the dominant function is proposed, then this paper analyze the UAV maneuvering strategy and the way to choice the strategy.
本文在构建优势函数对无人机空战态势进行评估的基础上,提出了基于优势函数的机动准则,并对无人机的机动策略及其策略的选取作了深入分析,最后采用矩阵博弈法对空中决策提出了一种方案并进行了仿真,仿真结果表明这种方法具有良好的决策和预测能力。
6) Majorizing function
优函数
1.
There establish Kantorovich-type theorem for this kind of method by using majorizing function,and give an almost sharper error estimate than Newton method.
从求解非线性方程f(x)=0的一维“牛顿类”迭代法出发,在Banach空间中建立了“牛顿类”迭代公式,用优函数的方法,建立了相应的Kantorovich定理,并给出了比牛顿迭代更好的误差估计。
2.
Under one global condition on the function, instead of two, the convergence determinations are established by using quadratic and cubical majorizing functions respectively.
进一步，我们利用三次优函数技巧建立了在某种意义“更优”的收敛性准则。
3.
Futhermore ,we proved its convergence under α-criterion of weak conditions by means of majorizing function.
首先,把实函数数值积分的梯形公式推广到非线性泛函的Bochner积分中来,得到Bochner积分的梯形公式;然后,利用这一公式来构造牛顿迭代法的变形格式,从而得到梯形牛顿法,并在弱条件的α-判据下借助于优函数技巧证明了它的收敛性。
补充资料：高斯函数模拟斯莱特函数
尽管斯莱特函数作为基函数在原子和分子的自洽场（SCF）计算中表现良好，但在较大分子的SCF计算中，多中心双电子积分计算极为复杂和耗时。使用高斯函数(GTO)则可使计算大大简化,但高斯函数远不如斯莱特函数(STO)更接近原子轨道的真实图象。为了兼具两者之优点，避两者之短,考虑到高斯函数是完备函数集合,可将STO向GTO展开：
式中X(ζS,A,nS,l,m)定义为在核A上，轨道指数为ζS，量子数为nS、l、m 的STO；g是GTO：
其变量与STO有相似的定义；Ngi是归一化常数：
rA是空间点相对于核A的距离;ci是组合系数；K是用以模拟STO的GTO个数（理论上，K→∞，但实践证明K只要取几个，便有很好的精确度）。
ci和ζ在固定K值下, 通过对原子或分子的 SCF能量计算加以优化。先优化出 ζS＝1 时固定K值的ci和(i＝1,2,...,K)，然后利用标度关系式便可得出ζS的STO展开式中每一个GTO的轨道指数，而且，ci不依赖于ζS,因而ζS＝1时的展开系数就是具有任意ζS的STO的展开系数。对不同展开长度下的展开系数和 GTO轨道指数已有表可查。
式中X(ζS,A,nS,l,m)定义为在核A上，轨道指数为ζS，量子数为nS、l、m 的STO；g是GTO：
其变量与STO有相似的定义；Ngi是归一化常数：
rA是空间点相对于核A的距离;ci是组合系数；K是用以模拟STO的GTO个数（理论上，K→∞，但实践证明K只要取几个，便有很好的精确度）。
ci和ζ在固定K值下, 通过对原子或分子的 SCF能量计算加以优化。先优化出 ζS＝1 时固定K值的ci和(i＝1,2,...,K)，然后利用标度关系式便可得出ζS的STO展开式中每一个GTO的轨道指数，而且，ci不依赖于ζS,因而ζS＝1时的展开系数就是具有任意ζS的STO的展开系数。对不同展开长度下的展开系数和 GTO轨道指数已有表可查。
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