1) meshfree weak-strong(MWS) form method
无网格弱-强式法
1.
This paper formulated the meshfree weak-strong(MWS) form method for moderately thick plates based on the third order shear deformation theory(TSDT).
基于局部弱式和强式配点相结合的无网格弱-强式法(meshfree weak-strongmethod,MWS)求解中厚板问题。
2) implicit gridless method
隐式无网格算法
1.
An implicit gridless method and its applications;
隐式无网格算法及其应用研究
2.
An implicit gridless method is investigated for the Euler equations.
研究了求解Euler方程的隐式无网格算法。
3) meshless methods
无网格法
1.
Advancesin the study and applcation of meshless methods in metal forming;
无网格法在金属塑性成形中的研究与应用进展
2.
Research on Meshless Methods and Its Application in Helmholtz Problems;
无网格法的理论研究及其在Helmholtz问题中的应用
3.
The continuum methods for carbon nanotubes as beam/shell/membrane models,multi-scale methods,molecular structural mechanics methods,nonlocal continuum methods,and meshless methods are described.
主要叙述梁、壳模型,膜模型,多尺度方法,分子结构力学方法,非局部连续介质方法,以及无网格法的基本原理、基本方法,及其最新进展,指出其局限性,并预测连续介质方法在碳纳米管研究的发展趋势和方向。
4) meshless method
无网格法
1.
Analysis of fluid flow problem in reservoir by meshless method;
油藏渗流问题的无网格法分析
2.
Research on determining friction factor in column compression by meshless method;
无网格法标定圆柱体压缩过程摩擦系数研究
3.
Metal sheet forming numerical simulation based on meshless method;
无网格法在板料冲压成形数值模拟中的应用
5) meshfree method
无网格法
1.
Collocation-based meshfree method for metal extrusion process simulation;
基于配点型无网格法的金属挤压过程数值模拟
2.
Application of generalized-node-based meshfree method to consolidation analysis based on Biot’s equations in soil mechanics;
广义节点无网格法在土力学固结分析中的应用
3.
Dynamic analysis of the stabilized smoothing nodal integration meshfree method;
稳定相容节点积分无网格法动力学分析
6) meshless
无网格法
1.
A meshless PSPG formulation for the incompressible Stokes flow;
不可压缩Stokes流动的PSPG无网格法
2.
The meshless or meshfree method has progressed rapidely in recent years.
无网格法具有许多独特的优点,因此有人认为无网格法将成为继有限元法之后新一代的数值方法。
3.
Two methods of discretization, collocation method and Galerkin method, have been dominant in existing meshless methods.
在最小二乘法和移动最小二乘近似的基础上提出了加权最小二乘无网格法。
补充资料：启发式算法
计算机科学的两大基础目标，就是发现可证明其执行效率良好且可得最佳解或次佳解的算法。而启发式算法则试图一次提供一或全部目标。 例如它常能发现很不错的解，但也没办法证明它不会得到较坏的解；它通常可在合理时间解出答案，但也没办法知道它是否每次都可以这样的速度求解。
有时候人们会发现在某些特殊情况下，启发式算法会得到很坏的答案或效率极差，然而造成那些特殊情况的数据结构，也许永远不会在现实世界出现。因此现实世界中启发式算法很常用来解决问题。启发式算法处理许多实际问题时通常可以在合理时间内得到不错的答案。
有一类的通用启发式策略称为元启发式算法（metaheuristic），通常使用乱数搜寻技巧。他们可以应用在非常广泛的问题上，但不能保证效率。
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