导读:本文包含了超松弛迭代论文开题报告文献综述及选题提纲参考文献，主要关键词:大规模MIMO,最小均方误差预编码,超松弛迭代,牛顿迭代
超松弛迭代论文文献综述
孙文胜,许俊杰[1]（2019）在《大规模MIMO系统中基于牛顿迭代和超松弛迭代的WWSE预编码算法》一文中研究指出在大规模MIMO系统中,将牛顿迭代法用于传统的WWSE预编码算法求逆运算,但是其迭代初始值计算复杂。针对这一问题,提出WWSESOR-NT算法。在SOR算法的基础上提出中间算法,然后与牛顿迭代算法相结合,利用中间算法直接对高阶矩阵的逆进行估算,将得到的结果作为牛顿迭代法的迭代初始值以加快收敛速度。仿真结果显示,与传统牛顿迭代法比较,WWSESOR-NT算法能够以更少的迭代次数和近似相同的复杂度逼近WWSE算法的性能。(本文来源于《电信科学》期刊2019年11期）
刘亚亚,程国,李会荣[2]（2019）在《基于广义对称超松弛迭代法的图像复原》一文中研究指出针对求解大型线性系统的图像复原问题,基于半步迭代的思想,提出了一种求解图像复原问题的对称超松弛迭代方法.该方法既保证了迭代矩阵的非奇异性又加快了求解速度.在两个实际图像复原问题上的数值实验结果表明,相比其他复原方法,该方法复原效果好且速度快,在评价指标方面体现了优越性.(本文来源于《河南科学》期刊2019年09期）
程国,刘亚亚[3]（2018）在《基于广义超松弛迭代的图像复原》一文中研究指出图像复原问题常常可转化为大型线性系统的求解问题。Tikhonov正则化将线性系统求解转化为最小化问题。根据最优性条件将最小化问题转化为鞍点问题,并提出了一种求解该鞍点问题的广义超松弛迭代算法。证明了当松弛因子满足一定条件时广义超松弛迭代算法是收敛的,分析并给出了松弛因子的最优值。在2个实际图像复原问题上的数值实验结果表明,该算法较其他算法复原后图像的峰值信噪比较高、相对误差较小,是十分有效的。(本文来源于《甘肃科学学报》期刊2018年03期）
程国,刘鹏,刘亚亚[4]（2018）在《基于平移预条件技术的改进超松弛迭代图像复原》一文中研究指出图像复原问题常常可转化为大型线性系统的求解问题.为解决超松弛迭代算法在求解大型稀疏线性系统时的收敛不稳定问题,提出了一种改进的超松弛迭代算法.通过平移预条件技术将超松弛迭代的迭代矩阵进行改进以避免奇异,研究了改进算法的收敛性和松弛参数的取值范围.在两个实际图像复原问题上的数值实验结果表明,改进算法是稳定和有效的.(本文来源于《河南科学》期刊2018年04期）
常闯[5]（2017）在《Markov跳跃系统中的Riccati方程的超松弛迭代算法》一文中研究指出Markov跳跃系统是一类常见的随机控制系统,在多模态的控制系统中各子系统之间的跳跃转移具有马尔科夫性,因此可以用Markov模型描述系统的变化过程。当控制系统的状态发生跳跃转移时,为了使系统的代价函数最小,通常需要求解一个耦合代数矩阵Riccati方程,求解该方程的正定解就可以得到该控制系统在各个状态下的最优控制输入,使系统的代价函数最小。本文提出了两种求解上述Riccati方程的迭代算法,主要内容如下:把耦合代数矩阵Riccati方程转化为非耦合代数矩阵Lyapunov方程,再结合最新估计新息和超松弛迭代算法,得出了超松弛形式的Lyapunov迭代算法。当迭代初值满足一定的条件时,可以通过数学归纳法从理论上给出该算法的收敛性,经过多次迭代可以得到耦合代数矩阵Riccati方程的唯一可镇定的正定解。对于超松弛形式的Lyapunov迭代算法,本文给出了一种选择合适迭代初值的算法。耦合代数矩阵Riccati方程通过解耦也可以写成普通Riccati方程的迭代形式,迭代初值可以选为零矩阵。结合数学归纳法和代数Riccati方程的比较定理可以从理论上证明该迭代算法收敛,如果松弛因子选择合适,收敛精度和速度与Lyapunov迭代算法相差不大。针对以上两种求解耦合Riccati方程的超松弛迭代算法,通过MATLAB仿真可以发现,如果松弛因子选择合适,这两种算法都能加快收敛速度,通过选取不同的松弛因子多次仿真,可以得出最优的松弛因子的取值。(本文来源于《哈尔滨工业大学》期刊2017-01-01）
王宁,殷俊锋[6]（2016）在《一类加速的模系对称超松弛迭代方法定价双资产美式期权》一文中研究指出构造和研究了一类加速的模系对称超松弛迭代方法,用来求解由双资产美式期权定价模型离散出来的线性互补问题.理论分析给出该算法的收敛性条件.数值实验表明,该方法对于求解双资产美式期权定价模型是有效的,并且优于经典的模系超松弛迭代方法和模系对称超松弛迭代方法.(本文来源于《应用数学与计算数学学报》期刊2016年03期）
王洋,赵彦军,冯毅夫[7]（2016）在《基于超松弛迭代的MHSS加速方法》一文中研究指出修正的Hermite/反Hermite分裂(MHSS)迭代方法是一类求解大型稀疏复对称线性代数方程组的无条件收敛的迭代算法。基于超松弛(SOR)迭代技术,本文提出一类MHSS加速方法,分析了MHSS加速方法的收敛性质,给出了MHSS加速方法中参数ω的选取办法。数值实验证明了新方法能够有效地提高MHSS求解线性代数方程组的求解效率。(本文来源于《山东大学学报(理学版)》期刊2016年08期）
崔艳星,郭伟[8]（2016）在《超松弛迭代法中最优松弛因子的MATLAB数值选取》一文中研究指出超松弛迭代法是数值计算中解大型线性方程组的一种快速有效的方法,而应用超松弛迭代法的关键是要找到合适的松弛因子。文章提出了直接利用黄金分割法计算最优松弛因子,给出了相应的算法程序,最后,通过数值算例验证了该方法是可行且有效的。(本文来源于《长治学院学报》期刊2016年02期）
葛芳,郭有强,王年[9]（2016）在《基于超松弛迭代的标签传播算法》一文中研究指出针对标签传播算法中存在的问题,将超松弛迭代引入标签传播算法,解决标签序列的优化问题,提出基于超松弛迭代的标签传播算法(ORLP).该算法使用正负标签的方式标记已知样本,通过在近邻点间学习分类的方式预测未知样本的标签信息,同时在每次迭代时都能较好地保留初始标记点的标签信息,以指导下一次的标签传递过程.基于超松弛迭代推导ORLP的标签传播公式,同时证明标签序列的收敛性,得到标签序列的收敛解.实验表明,ORLP具有较高的分类准确率和较快的收敛速度.(本文来源于《模式识别与人工智能》期刊2016年01期）
李启明[10]（2015）在《MARKOV跳跃LYAPUNOV方程超松弛迭代算法》一文中研究指出随着科技的进步与发展,工业的一些系统会出现一些结构的突然变化,这种情况下学者们提出Markov跳跃系统来建模。与此同时,一些相关的控制问题也就转换成了Markov跳跃系统的控制问题。在这样的控制系统中,最优控制问题,稳定性问题往往是比较重要的。这个系统的这些问题和Lyapunov方程的解密切相关。本文将围绕着该系统Lyapunov方程进行相关的研究工作,其研究内容及结果主要包括以下几个部分。首先对Markov跳跃Lyapunov方程建立了基于最新估计的超松弛迭代算法(Successive Over-Relaxation method,简写为SOR算法),给出算法的收敛条件,讨论算法参数对算法的影响,对此算法和并行算法以及基于最新估计的并行算法用MATLAB做了仿真,结果显示其收敛速度要快于后两者。其次对Markov跳跃Lyapunov方程建立了基于最新估计的KSOR(Youssef I K’s Successive Over-Relaxation method)算法,参数对算法的影响表明,与原超松弛迭代算法相比,降低了算法在参数取最优值附近的敏感性。另外此算法的收敛速度也要快于本文中的主要参考算法。最后结合超松弛迭代算法和KSOR算法提出了求解Markov跳跃Lyapunov方程的参数化的超松弛迭代算法,并且提出了求解该方程的基于最新估计的参数化的超松弛迭代算法,仿真结果显示此算法的收敛速度快于并行算法和基于最新估计的并行算法。而后提出了隐式求解算法。此算法不用分解相关矩阵,因此计算过程要比其他算法简便。仿真结果显示其收敛速度也要快于其他算法。(本文来源于《哈尔滨工业大学》期刊2015-12-01）
超松弛迭代论文开题报告
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
针对求解大型线性系统的图像复原问题,基于半步迭代的思想,提出了一种求解图像复原问题的对称超松弛迭代方法.该方法既保证了迭代矩阵的非奇异性又加快了求解速度.在两个实际图像复原问题上的数值实验结果表明,相比其他复原方法,该方法复原效果好且速度快,在评价指标方面体现了优越性.
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
超松弛迭代论文参考文献
[1].孙文胜,许俊杰.大规模MIMO系统中基于牛顿迭代和超松弛迭代的WWSE预编码算法[J].电信科学.2019
[2].刘亚亚,程国,李会荣.基于广义对称超松弛迭代法的图像复原[J].河南科学.2019
[3].程国,刘亚亚.基于广义超松弛迭代的图像复原[J].甘肃科学学报.2018
[4].程国,刘鹏,刘亚亚.基于平移预条件技术的改进超松弛迭代图像复原[J].河南科学.2018
[5].常闯.Markov跳跃系统中的Riccati方程的超松弛迭代算法[D].哈尔滨工业大学.2017
[6].王宁,殷俊锋.一类加速的模系对称超松弛迭代方法定价双资产美式期权[J].应用数学与计算数学学报.2016
[7].王洋,赵彦军,冯毅夫.基于超松弛迭代的MHSS加速方法[J].山东大学学报(理学版).2016
[8].崔艳星,郭伟.超松弛迭代法中最优松弛因子的MATLAB数值选取[J].长治学院学报.2016
[9].葛芳,郭有强,王年.基于超松弛迭代的标签传播算法[J].模式识别与人工智能.2016
[10].李启明.MARKOV跳跃LYAPUNOV方程超松弛迭代算法[D].哈尔滨工业大学.2015