求解非线性方程组的混合遗传算法 总被引：27，自引：2，他引：25
非线性方程组的求解是数值计算领域中最困难的问题。大多数的数值求解算法例如牛顿法的收敛性和性能特征在很大程度上依赖于初始点。但是对于很多非线性方程组，选择好的初始点是一件非常困难的事情。本文结合遗传算法和经典算法的优点，提出了一种用于求解非线性方程组的混合遗传算法。该混合算法充分发挥了遗传算法的群体搜索和全局收敛性，有效地克服了经典算法的初始点敏感问题；同时在遗传算法中引入经典算法(Powell法、拟牛顿迭代法)作局部搜索，克服了遗传算法收敛速度慢和精度差的缺点。选择了几个典型非线性方程组，从收敛可靠性、计算成本和适用性等指标分析对比了不同算法。计算结果表明所设计的混合遗传算法有着可靠的收敛性和较高的收敛速度和精度，是求解非线性方程组的一种成功算法。 相似文献
求解非线性方程组的混沌粒子群算法及应用 总被引：1，自引：1，他引：0
针对非线性方程组的求解在工程上具有广泛的实际意义经典的数值算法如牛顿法存在其收敛性依赖于初值而实际计算中初值难确定的问题提出以混沌粒子群算法求解非线性方程。它通过将混沌搜索机制有机地引入粒子群算法使每个粒子从混沌搜索机制与粒子群算法搜索机制中获得适当的搜索方向以混沌变量的遍历性增强粒子的搜索性能与更全面地应用目标函数的信息并反映到逐代更新的个体极值和群体极值中可更有效地调整粒子的移向并最终获得最优解。测试结果表明这一尝试的有效性。最后将所提的方法用于建立复合材料结构的疲劳寿命与应力、温度、湿度的关系模型。 相似文献