matlab课程论文要求

0matlab课程论文要求一、时间安排（一）2016年X月X日之前必须提交纸质版（时间待定，另行通知，尽早完成，以免影响其他科目的复习考试）。（二）电子版统一写清楚学号（学号在前）+姓名+专业发送给学委。打包文件夹发送给我，不接受单独发给我的。二、选题（一）选题要紧密结合本学科专业的教学科研和MATLAB，符合专业培养目标的要求。（二）论文一般为一人一题，严格控制与往年的重复率。三、成绩评定平时成绩（0.3）＋课程论文（0.7）=最终成绩。四、论文写作规范要求（一）封面：封面要使用统一格式。（二）目录：“目录”两字黑体小二号、居中，“目录”两字间空四格、与正文空一行。各部分名为宋体小四号字，各小部分名间有缩进。（三）题目：题目要对论文的内容有高度的概括性，简明、易读，字数应在20个字以内，论文题目用黑体三号字。（四）署名：论文署名的顺序为：专业学号学生姓名指导老师姓名，用宋体小四号字。可用以下表示：专业：XXXXX学号：XXXXX学生姓名：XXXXX指导老师姓名：XXXX（五）内容摘要：中文内容摘应简要说明所研究的内容、目的、实验方法、主要成果和特色，一般为200－300字，用宋体小四号字，其中“内容摘要”四个字加粗。（六）关键词：一般为3－6个，用分号隔开，用宋体小四号字，其中“关键词”三个字加粗。（七）正文：正文要符合一般学术论文的写作规范，统一用宋体小四号字，行距为1.5倍。字数一般要求为不得少于5000字。1内容要理论联系实际，涉及到他人的观点、统计数据或计算公式的要注明出处（引注），涉及计算内容的数据要求准确。标题序号从大到小的顺序为：“1”“1.1”“1.1.1”……。（八）注释：论文中所引用文献按学术论文规范注明出处，注序要与文中提及的序号一致。注释方法参见参考文献顺序。（九）参考文献：论文后要标注参考文献和附录，参考文献按照以下格式排列：1．专著、论文集、学位论文、报告[序号]主要责任者．文献题名[文献类型标识]．出版地：出版者，出版年．起止页码。[1]刘国钧，陈绍业，王凤．图书馆目录[M]．北京：高等教育出版社，1957．10-12.[2]辛希孟．信息技术与信息服务国际研讨会论文集：A集[C]．北京：中国社会科学出版社，1994．12-13.[3]查正军.《基于机器学习方法的视觉信息标注研究》.[D].北京.中国科技大学.2010年.32-352．期刊文章[序号]主要责任者．文献题名[J]．刊名，年卷（期）：起止页码．[1]何龄修．读顾城《南明史》[J]．中国史研究，1998（3）：12-13.[2]金显贸，王昌长，王忠东等．一种用于在线检测局部放电的数字滤波技术[J]．清华大学学报（自然科学版），1993（4）:12-13.3．电子文献[序号]主要责任者．电子文献题名[电子文献及载体类型标识]．电子文献的出处或可获得地址，发表或更新日期／引用日期（任选）．[1]王明亮.关于中国学术期刊标准化数据库系统工程的进展[EB/OL].[2]万锦坤.中国大学学报论文文摘（1983-1993）.英文版[DB/CD].北京:中国大百科全书出版社，1996.2（十）图表、附注、公式：图表、附注、公式一律采用阿拉伯数字连续编号。图序及图名置于图的下方；表序及表名置于表的上方；用宋体五号字。论文中的公式编号，用圆括弧括起写在右边行末，其间不加虚线。3MATLAB课程论文（设计）(届)论文（设计）题目:学院：数学与统计学院专业：学号：姓名：分数：45目录1引言.......................................................................61.1信赖域算法..............................................................61.2三次自适应算法..........................................................71.3非单调线性搜索..........................................................82加权平均的非单调三次自适应算法.............................................93加权平均的非单调三次自适应算法收敛........................................10参考文献....................................................................176一种加权平均的非单调三次自适应算法专业：XXXXXX学号：XXXXXX学生姓名：XXXX指导老师：XXXX摘要这篇文章提出了一种非单调三次自适应算法.不同于传统的三次自适应算法,本文算法XXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXX下降量引入了函数加权平均值,即表达式为()kkkCfxs.在适当条件下，证明算法的全局收敛性.关键词无约束优化问题；三次模型；非单调自适应；全局收敛性1引言本文考虑无约束优化问题：min(),nfxxR,（1.1）其中()fx：nRR是二次连续可微函数.1.1信赖域算法解此问题一般都采用二次模型逼近()fx,信赖域算法和线性搜索是解决无约束优化问题两种最常用的方法.信赖域方法是一类较新的方法,对它的研究开始于Powell1970年的工作,他提出了一个求解无约束优化问题的算法,该算法的基本思想是通过求解近似的二次函数在信赖域中的极小点的方法来求最优化问题的解,即：对于当前的迭代点kx,给定一个信赖域半径0k,然后在以kx为中心k为半径的小邻域内,构造一个逼近目标函数的模型1min()2nTTkkksRqsgssBs,..sts.这个模型称为信赖域子问题,求解子问题得到试探步ks,然后利用某一评价函7数即目标函数的实际下降量与预测下降量的比值()()(0)()kkkkkkkfxfxsrqqs来决定是否接受该试探步以及确定下一次迭代的信赖域半径,如果试探步被接受,则1kkkxxd,否则1kkxx;信赖域半径的大小通过迭代逐步调节,粗略地说,如果当前迭代模型较好地逼近原问题,则信赖域半径可扩大,否则将缩小.下面将给出信赖域算法的基本步骤.信赖域算法：步1：取初始点(0)nxR,010,(0,),[0,)4,精度0.令0k.步2：若()()kfx,则算法终止.得到问题的解()kx.否则转步2.步3：由信赖域子问题()kqs计算比值kr若3,min24k+1k则令=，kr.若11,42k+1k则令=kr.若13,44k+1k则令=kr.步4：若kr,令(1)()kkxx,1kk,转步2.否则令(1)()()kkkxxs,1kk.1.2三次自适应算法该算法用三次模型作为目标函数的近似.:nfRR是无约束优化问题的一个连续可微函数,找到f的一个局部极小值,则kx是当前最好的估计.假设目标函数的Hessian矩阵在nR是全局Lipschitz连续的.得到101()()()()(1)[()()]2TTTkkkkkkfxsfxsgxsHxssHxsHxsd3211()()()()26TTCkkkkfxsgxsHxsLsms,其中nsR,8定义()()xgxfx,()()xxHxfx.只要()(0)()Cckkkkmsmfx.（1.2）,新的迭代点1kkkxxs使得函数()fx下降.通过()Ckms的极小值找到步长ks.文献[1]中的作者整合这些知识得到一个渐进的,有效的数值算法框架.在较弱的假设条件下,可以证明这种算法是全局收敛和渐进收敛的.首先,降低要求去求一个全局的最小值,然而一个局部的极小值是满足目标函数的复杂条件的.然后,用一个动态的正参数k代替（1.1）中的Lipschitz常量12L,不再要求()Hx是全局的,甚至是局部的Lipschitz连续.最后用一个对称近似矩阵kB代替在近似函数的每一次迭代中的Hessian矩阵.这就得到311()()()23TTkkkkkmsfxsgxsBss.（1.3）在算法的每一次迭代中,用三次模型（近似函数）代替目标函数f.1.3非单调线性搜索在20世纪80年代,Grippo等人在牛顿算法提中出一种非单调线性搜索[6],其中步长ks满足下面的条件0()max()()kTkkkkjkkkjmfxsdfxsfxd,其中(0,1),10min1,kkmmM,M是一个非负整数.然而,Grippo等人提出非单调技术还是有一定不足的地方.为了克服这不足,Zhang和Hager提出的另外一种非单调线性搜索.这种新的线性搜索用函数值的加权平均代替函数的最大值,具体表达即()()TkkkkkkkfxsdCsfxd.其中111(),0(())/,1kkkkkkkfxkCQCfxQk（1.4）11,01,1kKkQQk（1.5）91minmax[,]k,min[0,1)和maxmin[,1],其中minmax,是两个选择参数.从（1.4）和（1.5）,知道kC是由函数值01(),(),...,()kfxfxfx组成的凸组合.所以可知kC是连续函数值的一个特殊加权平均.在这个算法中,函数值序列kf是非单调的,kC序列是非增的.本文将给出一类新的非单调自适应算法,进一步丰富自适应算法的研究.本文将三次算法和基于函数值加权平均的线性搜索方法结合起来.这种算法跟三次算法的主要不同点是预测下降量.在本文中,实际下降量的表达式为()kkkCfxs.接下来,本文将给出具体的算法步骤,以及算法收敛性的证明.2加权平均的非单调三次自适应算法先介绍一些本文出现的基本的符号.范数指的是在nR上的欧氏范数.用kf表示()kfx,用kg表示()kgx,其中()nkgxR是函数f在kx上的一阶梯度,nnkBR是函数f在kx处的Hessian矩阵或者其近似.算法步骤如下：步0：取初始点0x,211aa,2110bb和00,当0,1,...k.步1：算出一个步长ks,使得()()ckkkkmsms.（2.1）其中Cauchy点cckkksg,argckmin()kkRmg.（2.2）步2：计算()kkfxs,并求实际下降量与预测下降量的比值()()()kkkkkkkCfxsfxms,（2.3）其中111(),0(())/,1kkkkkkkfxkCQCfxQk,1011,01,1kKkQQk.步3：令11,,如果其他kkkkkxsbxx.（2.4）步4：校正1k,2111212[0,],[,],[,],如果(非常成功)如果(成功)其他(不成功)kkkkkkkkbabbaa.（2.5）给出函数f的一个临界估计值kx,求出一个满足条件（2.1）的步长ks.求出近似函数（1.3）的一个近似最小值作为步长ks,kB是目标函数f的Hessian矩阵的近似.其中比值k从某种角度反映了三次函数()kkms与目标函数()kkfxs的近似程度.若k接近于1,则认为三次函数()kkms与目标函数(