1) matrix iterative algorithm
矩阵迭代算法
1.
Dijkstra algorithm and matrix iterative algorithm are important algorithms of the shortest route problem.
Dijkstra算法和矩阵迭代算法都是最短路径问题的经典算法,为了研究这2种算法的计算效率,介绍了2种算法的基本思路和程序流程;通过对时间复杂度、结果和时间的关系指标进行多次计算,表现2者之间的效率差异。
2) matrix iteration
矩阵迭代法
1.
In the paper, the effects of the selection of the initial vector and the controlling condition of the iterating cycles in the matrix iteration method are inquired into.
矩阵迭代法是求矩阵的第一阶特征值与特征向量的一种数值方法 。
3) inverse iterative method of matrix
矩阵反迭代法
1.
It has been discussed in the article we can solve the problem of the natural frequency of the system and the dominant mode by inverse iterative method of matrix.
讨论了如何利用矩阵反迭代法求系统固有频率及主振型的问题 ,简要介绍了迭代过程及精度控制问题 ;并对计算板梁组合结构固有频率的自编计算机程序作了简要说明。
4) Banded matrix iterative approach
带状矩阵迭代法
5) SOR iterative matrix
SOR法的迭代矩阵
6) iterative matrix
迭代矩阵
1.
In this paper,the estimates of upper bounds for the spectral radius of the iterative matrix M~(-1)N for some generalized diagonally dominant matrix M are presented.
对几类广义对角占优矩阵M,给出了迭代矩阵M~(-1)N谱半径的上界估计式,所得结果较已有结果适用于更加广泛的矩阵类。
2.
Firstly, to satisfy the convergence condition of iterative matrix, the algorithm applies diagonal loading technology to the covariance matrix and the diagonal loading value is given based on maximal gerschgorin radius of the covariance matrix.
为满足迭代矩阵的收敛条件, 算法根据协方差矩阵的最大Gerschgorin半径选择对角加载值对协方差矩阵进行对角加载;通过对协方差矩阵进行简单的矩阵分裂;进而给出自适应权向量的迭代解形式。
3.
An unified formulas of eigenvalues and eigenvectors of this kind of matrix are derived,and the eigenvalue of iterative matrix are given when this kind equation Au=f is solved by iterative method.
提出了求一类块三对角矩阵A的特征值和特征向量的方法,求得了该类矩阵的特征值和特征向量的表达式,并写出了用迭代法解该类方程组Au=f时迭代矩阵的特征值。
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