• 
    

    
    

      99热精品在线国产_美女午夜性视频免费_国产精品国产高清国产av_av欧美777_自拍偷自拍亚洲精品老妇_亚洲熟女精品中文字幕_www日本黄色视频网_国产精品野战在线观看 ?

      求解時變線性不等式離散算法的設(shè)計(jì)與分析

      2017-10-11 03:27:08郭東生徐鳳
      關(guān)鍵詞:時變穩(wěn)態(tài)線性

      郭東生, 徐鳳

      (華僑大學(xué) 信息科學(xué)與工程學(xué)院, 福建 廈門 361021)

      求解時變線性不等式離散算法的設(shè)計(jì)與分析

      郭東生, 徐鳳

      (華僑大學(xué) 信息科學(xué)與工程學(xué)院, 福建 廈門 361021)

      提出一種用于求解時變線性不等式的數(shù)值算法.通過引入一個時變向量(其每個元素都大于或等于零),將時變線性不等式轉(zhuǎn)化為一個時變矩陣向量方程,并給出用于求解該方程的連續(xù)時間模型(即神經(jīng)網(wǎng)絡(luò)).采用歐拉差分公式將其離散化,推導(dǎo)得到相應(yīng)的離散算法,并通過理論分析和數(shù)值實(shí)驗(yàn)驗(yàn)證該離散算法的有效性.結(jié)果表明:所提出的離散算法的穩(wěn)態(tài)誤差(SSRE)具有O(τ2)的變化規(guī)律,當(dāng)τ的數(shù)值減小10倍,算法的穩(wěn)態(tài)誤差可減小100倍.

      線性不等式; 時變; 離散算法; 歐拉差分公式; 穩(wěn)態(tài)誤差

      Abstract: A numerical algorithm for time-varying linear inequality solving is proposed. By introducing a time-varying vector (of which each element is greater than or equal to zero), we convert the time-varying linear inequality to a time-varying matrix-vector equation. A continuous-time model (i.e., the neural network) is then presented to solve such an equation. Using Euler′s difference formula to discretize the continuous-time model, we propose the corresponding discrete algorithm. Both theoretical analysis and numerical results further substantiate the efficacy of such algorithm. These results also indicate that the steady-state residual error (SSRE) of the proposed discrete algorithm changes in anO(τ2) manner with beingτthe sampling gap; when theτvalue decreases by 10 times, the SSRE reduces by 100 times.

      Keywords: linear inequality; time-varying; discrete algorithm; Euler′s difference formula; steady-state residual error

      近年來,不等式在科學(xué)研究和工程應(yīng)用領(lǐng)域扮演著越來越重要的角色[1-6].在不等式的研究中,如何有效求解形如Ax≤b的線性不等式是一個重要課題,且已受到廣泛關(guān)注.對于線性不等式,許多研究學(xué)者提出了相應(yīng)的求解方法[7-10],如文獻(xiàn)[7]設(shè)計(jì)的迭代算法,開發(fā)的連續(xù)時間神經(jīng)網(wǎng)絡(luò)模型,文獻(xiàn)[8]展示的離散時間神經(jīng)網(wǎng)絡(luò)模型.但是,這些方法都是針對時不變線性不等式進(jìn)行設(shè)計(jì)的,而對于時變線性不等式,采用前述方法進(jìn)行求解得到的結(jié)果會有明顯滯后誤差[11].針對時變線性不等式的求解,文獻(xiàn)[11]設(shè)計(jì)一種新型神經(jīng)網(wǎng)絡(luò)模型,并通過對比來說明該模型的有效性和優(yōu)越性.文獻(xiàn)[12-13]分別開發(fā)以隱式動力學(xué)方程和顯式動力學(xué)方程描述的兩種神經(jīng)網(wǎng)絡(luò)模型.為了硬件(如數(shù)字電路)實(shí)現(xiàn)的目的,針對文獻(xiàn)[13]的神經(jīng)網(wǎng)絡(luò)模型,本文設(shè)計(jì)開發(fā)相應(yīng)的數(shù)值算法,用以求解時變線性不等式.

      1 問題和模型描述

      不失一般性,所研究的時變線性不等式[11-13]為

      式(1)中:A(t)∈Rn×n和b(t)∈Rn分別是光滑時變的系數(shù)矩陣和向量;x(t)∈Rn是需要求解(1)得到的未知向量.需要說明的是,式(1)是一個具有代表性的時變線性不等式,文中的設(shè)計(jì)方法可拓展求解其他類型的不等式(如時變李雅普諾夫矩陣不等式[14]).為了保證式(1)中x(t)的存在,文中僅考慮系數(shù)矩陣A(t)在時間t∈[0,+∞)內(nèi)是非奇異的情況.

      文獻(xiàn)[13]展示了時變線性不等式(1)的求解可等價于時變矩陣向量方程的求解,即

      式(2)中:Λ(t)=[λ1(t),λ2(t),…,λn(t)]T∈Rn是一個需要求解的未知向量;時變向量Λ2(t)=D(t)×Λ(t)∈Rn,其中,對角線矩陣D(t)∈Rn×n,D(t)=diag(λ1(t),λ2(t),…,λn(t)).

      基于上述轉(zhuǎn)換,文獻(xiàn)[13]設(shè)計(jì)了如下的神經(jīng)網(wǎng)絡(luò)模型,用以求解時變矩陣向量方程(2)及時變線性不等式(1),即

      定理1對于時變線性不等式(1),給定一個光滑時變的非奇異系數(shù)矩陣A(t)∈Rn×n和一個光滑時變的系數(shù)向量b(t)∈Rn,則模型(3)的狀態(tài)向量y(t)從一個隨機(jī)產(chǎn)生的初始狀態(tài)y(0)∈R2n出發(fā),收斂到時變矩陣向量方程(2)的一個精確解.該解的前n個元素組成時變線性不等式(1)一個精確的時變解.

      2 新離散算法及其理論分析

      式(4)中:h=τγ>0∈R為步長.式(4)便是文中所提出用以求解(1)的離散算法.

      定理2所提出的離散算法是一個一致的和收斂的方法,且對于所有的時間tk∈[t0,tfinal],以其截斷誤差O(τ2)的階數(shù)收斂.

      顯然,去掉式(5)中的O(τ2),正是文中所提出的離散算法(4).換言之,離散算法(4)的截斷誤差為O(τ2),這表明該算法具有2階的一致性.

      綜合上述分析可得,離散算法(4)是零穩(wěn)定和一致的[19].因此,所提出的離散算法(4)是一個一致的和收斂的方法,且對于所有的時間tk∈[t0,tfinal],以其截斷誤差O(τ2)的階數(shù)收斂.證畢.

      3 數(shù)值實(shí)驗(yàn)驗(yàn)證

      對于時變線性不等式(1),系數(shù)矩陣A(t)和向量b(t)為

      當(dāng)τ=0.01和h=0.5時,采用所提離散算法求解變線性不等式(1),其數(shù)值結(jié)果如圖1所示.

      (a) xk的軌跡 (b) Λk的軌跡

      (c) 計(jì)算誤差的軌跡 (d) 測試誤差的軌跡圖1 采用離散算法求解時變線性不等式(1)的數(shù)值實(shí)驗(yàn)結(jié)果(τ=0.01, h=0.5)Fig.1 Numerical results of using discrete algorithm (τ=0.01, h=0.5) to solve time-varying linear inequality (1)

      由圖1(a),(b)可知:基于5個隨機(jī)產(chǎn)生的初始狀態(tài),由離散算法計(jì)算得到的xk和Λk的狀態(tài)軌跡是時刻變化的.圖1(c)顯示了計(jì)算誤差‖ek‖2=‖Qkyk-bk‖2的變化特點(diǎn),即計(jì)算誤差快速減小并維持在一個小的數(shù)值范圍內(nèi),且其最大穩(wěn)態(tài)誤差為1.056×10-3.這就意味著xk和Λk正是時變矩陣向量方程(2)的時變解.對于滿足式(2)的xk,這就是時變線性不等式(1)的一個時變解,即Akxk≤bk.

      當(dāng)τ=0.001和h=0.5時,采用所提離散算法求解變線性不等式(1),其數(shù)值結(jié)果如圖2所示.

      (a) xk的軌跡 (b) 計(jì)算誤差的軌跡圖2 采用離散算法求解時變線性不等式(1)的數(shù)值結(jié)果(τ=0.001, h=0.5)Fig.2 Numerical results of using discrete algorithm (τ=0.001, h=0.5) to solve time-varying linear inequality (1)

      由圖2(a)可知:由離散算法計(jì)算得到xk的狀態(tài)軌跡是時變的.由圖2(b)可知:計(jì)算誤差快速減小并維持在一個小數(shù)值范圍內(nèi),且其最大穩(wěn)態(tài)誤差為1.059×10-5.顯然,這些結(jié)果再次表明離散算法能有效求解時變線性不等式(1).另外,對比圖1(c)和圖2(b)可知:隨著τ的減小(從0.01到0.001),相應(yīng)的穩(wěn)態(tài)誤差也減小(從10-3到10-5).因此,離散算法的計(jì)算性能可以通過減小τ的數(shù)值來得到提高.

      為了進(jìn)一步研究,采用不同的τ和h來對所提出的離散算法進(jìn)行數(shù)值實(shí)驗(yàn),結(jié)果如圖3,4所示.

      (a) τ=0.1 (b) τ=0.01 (c) τ=0.001圖3 不同τ值采用離散算法求解時變線性不等式(1)的誤差狀態(tài)軌跡(h=0.4)Fig.3 Error state trajectory of using discrete algorithm under different τ values (h=0.4) to solve time-varying linear inequality (1)

      (a) τ=0.1 (b) τ=0.01 (c) τ=0.001圖4 不同的τ值下采用離散算法求解時變線性不等式(1)的誤差狀態(tài)軌跡(h=0.6)Fig.4 Error state trajectory of using discrete algorithm under different τ values (h=0.6) to solve time-varying linear inequality (1)

      由圖3,4可知:對于固定τ的數(shù)值,采用不同的h的數(shù)值,離散算法的計(jì)算性能都有所不同(即相應(yīng)的穩(wěn)態(tài)誤差都不一樣).特別地,對于固定的h,減小τ的數(shù)值,離散算法的計(jì)算性能能夠得到更有效的提高.具體而言,當(dāng)τ的數(shù)值減小10倍,離散算法的穩(wěn)態(tài)誤差能夠減小100倍,即所提出的離散算法的穩(wěn)態(tài)誤差具有O(τ2)的變化規(guī)律.這也就意味著可通過合理地減小τ的值來有效地滿足應(yīng)用實(shí)踐中所需要的精度.總的來說,上述的數(shù)值實(shí)驗(yàn)結(jié)果很好地表明了所提出離散算法的有效性.

      4 結(jié)束語

      為求解時變線性不等式(1),結(jié)合歐拉差分公式推導(dǎo)得到一種離散算法,并給出相應(yīng)的理論結(jié)果來說明其計(jì)算性能.通過數(shù)值實(shí)驗(yàn),進(jìn)一步驗(yàn)證所提出的離散算法的有效性.結(jié)果表明,所提出的離散算法的穩(wěn)態(tài)誤差與采樣間隔τ具有O(τ2)的變化關(guān)系,可以有效地求解時變線性不等式(1).

      [1] 莊梁,林燦煌,孫洪飛.受擾線性不確定系統(tǒng)魯棒H∞混合鎮(zhèn)定[J].華僑大學(xué)學(xué)報(自然科學(xué)版),2017,38(2):147-152.DOI:10.11830/ISSN.1000-5013.201702003.

      [2] 朱劍峰.調(diào)和K-擬共形映照下Heinz不等式的精確估計(jì)[J].華僑大學(xué)學(xué)報(自然科學(xué)版),2014,35(3):354-357.DOI:10.11830/ISSN.1000-5013.2014.03.0354.

      [3] KLAPPER A.Improved multi-covering bounds from linear inequalities and supercodes[J].IEEE Transactions on Information Theory,2004,50(3):532-536.DOI:10.1109/TIT.2004.825504.

      [4] GUO Dongsheng,ZHANG Yunong.Acceleration-level inequality-based MAN scheme for obstacle avoidance of redundant robot manipulators[J].IEEE Transactions on Industrial Electronics,2014,61(12):6903-6914.DOI:10.1109/TIE.2014.2331036.

      [5] GUO Dongsheng,LI Kene.Acceleration-level obstacle-avoidance scheme for motion planning of redundant robot manipulators[J].Proceedings of IEEE International Conference on Robotics and Biomimetics.Qingdao:IEEE Press,2016:1313-1318.DOI:10.1109/ROBIO.2016.7866508.

      [6] XIAO Lin,ZHANG Yunong.Dynamic design, numerical solution and effective verification of acceleration-level obstacle avoidance scheme for robot manipulators[J].International Journal of Systems Science,2016,47(4):932-945.DOI:10.1080/00207721.2014.909971.

      [7] YANG Kai,MURTY K G,MANGASARIAN O L.New iterative methods for linear inequalities[J].Journal of Optimization Theory and Applications,1992,72(1):163-185.DOI:10.1007/BF00939954.

      [8] CICHOCKI A,BARGIELA A.Neural networks for solving linear inequality systems[J].Parallel Computing,1997,22(11):1455-1475.DOI:10.1016/S0167-8191(96)00065-8.

      [9] LABONTE G.On solving systems of linear inequalities with artificial neural network[J].IEEE Transactions on Neural Networks,1997,8(3):590-600.DOI:10.1109/72.572098.

      [10] XIA Youshen,WANG Jun,HUNG D L.Recurrent neural networks for solving linear inequalities and equations[J].IEEE Transactions on Circuits and Systems Ⅰ,1999,46(4):452-462.DOI:10.1109/81.754846.

      [11] XIAO Lin,ZHANG Yunong.Zhang neural network versus gradient neural network for solving time-varying linear inequalities[J].IEEE Transactions on Neural Networks,2011,22(10):1676-1684.DOI:10.1109/TNN.2011.2163318.

      [12] GUO Dongsheng,ZHANG Yunong.A new variant of the Zhang neural network for solving online time-varying linear inequalities[J].Proceedings of the Royal Society A,2012,468(2144):2255-2271.DOI:10.1098/rspa.2011.0668.

      [13] GUO Dongsheng,ZHANG Yunong.ZNN for solving online time-varying linear matrix-vector inequality via equality conversion[J].Applied Mathematics and Computation,2015,259(C):327-338.DOI:10.1016/j.amc.2015.02.060.

      [14] GUO Dongsheng,ZHANG Yunong.Zhang neural network for online solution of time-varying linear matrix inequality aided with an equality conversion[J].IEEE Transactions on Neural Networks and Learning Systems,2014,25(2):370-382.DOI:10.1109/TNNLS.2013.2275011.

      [15] MATHEWS J H,F(xiàn)INK F D.Numerical methods using MATLAB[M].4th ed.New Jersey:Prentice Hall,2004:1-696.

      [16] 張雨濃,郭東生,徐思洪,等.未知目標(biāo)函數(shù)之一階數(shù)值微分公式驗(yàn)證與實(shí)踐[J].甘肅科學(xué)學(xué)報,2009,21(1):13-18.DOI:10.3969/j.issn.1004-0366.2009.01.005.

      [17] 張雨濃,侯占偉,郭東生.基于前向差分的一階數(shù)值微分公式驗(yàn)證與實(shí)踐[J].數(shù)學(xué)的實(shí)踐與認(rèn)識,2012,42(3):199-204.DOI:10.3969/j.issn.1000-0984.2012.03.031.

      [18] MITRA S K.Digital signal processing: A computer-based approach[M].3rd ed.Beijing:Tsinghua University Press,2006.

      [19] GRIFFITHS D F,HIGHAM D J.Numerical methods for ordinary differential equations: Initial value problems[M].London:Springer-Verlag London Ltd,2010.

      (責(zé)任編輯: 陳志賢英文審校: 黃心中)

      DesignandAnalysisofDiscreteAlgorithmforTime-VaryingLinearInequalitySolving

      GUO Dongsheng, XU Feng

      (College of Information Science and Engineering, Huaqiao University, Xiamen 361021, China)

      10.11830/ISSN.1000-5013.201612043

      2016-12-21

      郭東生(1987-),男,副教授,博士,主要從事神經(jīng)網(wǎng)絡(luò)、數(shù)值算法和機(jī)器人方面的研究.E-mail:gdongsh@hqu.edu.cn.

      國家自然科學(xué)基金資助項(xiàng)目(61603143); 福建省自然科學(xué)基金資助項(xiàng)目(2016J01307); 華僑大學(xué)中青年教師科技創(chuàng)新計(jì)劃資助項(xiàng)目(ZQN-YX402); 華僑大學(xué)高層次人才科研啟動項(xiàng)目(15BS410)

      O 221.2; TP 183

      A

      1000-5013(2017)05-0732-05

      猜你喜歡
      時變穩(wěn)態(tài)線性
      漸近線性Klein-Gordon-Maxwell系統(tǒng)正解的存在性
      可變速抽水蓄能機(jī)組穩(wěn)態(tài)運(yùn)行特性研究
      碳化硅復(fù)合包殼穩(wěn)態(tài)應(yīng)力與失效概率分析
      電廠熱力系統(tǒng)穩(wěn)態(tài)仿真軟件開發(fā)
      煤氣與熱力(2021年4期)2021-06-09 06:16:54
      線性回歸方程的求解與應(yīng)用
      元中期歷史劇對社會穩(wěn)態(tài)的皈依與維護(hù)
      中華戲曲(2020年1期)2020-02-12 02:28:18
      二階線性微分方程的解法
      基于時變Copula的股票市場相關(guān)性分析
      智富時代(2017年4期)2017-04-27 17:08:47
      煙氣輪機(jī)復(fù)合故障時變退化特征提取
      基于MEP法的在役橋梁時變可靠度研究
      正阳县| 宜阳县| 武汉市| 安龙县| 宁南县| 靖州| 施秉县| 乐业县| 津南区| 延川县| 中西区| 沁水县| 屏南县| 阜平县| 峡江县| 平邑县| 安龙县| 佳木斯市| 库伦旗| 科尔| 博乐市| 双柏县| 红原县| 崇阳县| 花垣县| 淮滨县| 十堰市| 萨迦县| 连州市| 台江县| 咸宁市| 翁牛特旗| 长顺县| 青冈县| 孟连| 宝应县| 区。| 石门县| 荔浦县| 天柱县| 阜阳市|