首页--数理科学和化学论文--概率论与数理统计论文--应用统计数学论文

曲线和曲面拟合的改良缩张算法

中文摘要第1-6页
英文摘要第6-8页
1 引言第8-13页
   ·论文背景第8-9页
   ·研究现状第9-11页
   ·本文研究的内容与意义第11-13页
2 曲线和曲面拟合的基础第13-26页
   ·目标函数第13页
   ·全局最优化的含义及检验方法第13-14页
   ·拟合的一般方法及优缺点分析第14-26页
     ·解析法第14-17页
       ·梯度法第14-15页
       ·高斯-牛顿法第15-16页
       ·改良高斯-牛顿法(Marquardt 法)第16页
       ·解析法的优缺点第16-17页
     ·直接法第17-26页
       ·模拟退火法第17-18页
       ·三次设计结合模矢法第18-19页
       ·遗传算法第19-21页
       ·极大似然法第21-22页
       ·缩张算法第22-26页
         ·收缩步(C 步)第22-23页
         ·扩张步(E 步)第23-24页
         ·下一 C-E 循环中新的中心点、步长和临界值的确定第24-25页
           ·下一个 C-E 循环初始中心点和步长的确定第24-25页
           ·下一个 C-E 循环临界值的确定第25页
         ·缩张算法的优缺点第25-26页
3 实现全局最优化的改良缩张算法第26-30页
   ·步点数的改进——5 步点改成 3 步点或者 2 步点第26页
   ·临界值 D 反馈调节的改进第26-27页
   ·中心点的改进第27页
   ·与基于数值微分的改良高斯-牛顿法相结合第27-28页
     ·数值微分第27-28页
     ·基于数值微分基础的改良高斯-牛顿法第28页
     ·缩张算法与数值微分相结合第28页
   ·改良缩张算法的优点第28-30页
4 模拟与实例分析第30-41页
   ·测试数据验证分析第30-36页
     ·NIST 数据验证分析第30-33页
     ·1stOpt 测试题分析第33-36页
       ·1stOpt 测试题第34页
       ·用改良缩张算法对 1stOpt 测试题的拟合最优结果第34页
       ·结果比较分析第34-36页
   ·模拟数据分析第36-37页
   ·实例分析第37-41页
     ·实例1第37-38页
     ·实例2第38-39页
     ·实例3第39-41页
5 讨论与本研究展望第41-43页
   ·总结新算法的思想第41页
   ·算法改进的进一步研究探讨第41页
   ·软件展望第41-43页
参考文献第43-46页
附表第46-51页
致谢第51-52页
攻读硕士学位期间发表的研究论文第52页

论文共52页,点击 下载论文
上一篇:企业创新精神的伦理考量
下一篇:Zigbee网络组网研究与实现