研究了多智能体网络中受集合约束的一致性最优化问题，提出了基于原始–对偶梯度的定步长分布式算法。算法中包括步长在内的参数会影响收敛性，需要先进行收敛分析，再根据收敛条件设置合适的参数。本文首先针对一般的定步长迭代格式，提出一种基于李雅普诺夫函数的收敛分析范式，它类似于一般微分方程关于李雅普诺夫稳定的分析方法。然后，针对所考虑的分布式梯度算法，构造了合适的李雅普诺夫函数，并根据收敛条件得到了算法参数设定范围，避免了繁冗复杂的分析论证。本文提出的理论与方法也为其他类型的分布式算法提供了一个框架性、系统性的论证方法

目录 绪论 试验设计与数据处理的概念和意义 试验设计与数据处理的发展和应用 试验设计与数据处理的基本概念 样本及其分布 总体与样本 石 样本分布函数与统计量 直方图和秩 抽样分布 参数估计与假设检验 概述 参数估计 参数的假设检验 正交试验设计的基本思想与正交表s 正交试验设计的基本思想 正交表的概念与类型 正交表的构造 正交试验设计的直观分析 单指标正交试验设计 多指标正交试验设计 混合型正交试验设计心 考虑交互作用的正交试验设计 试验设计的方差分析 概述 单因素试验的方差分析 正交试验设计方差分析的基本原理 相同水平正交试验设计的方差分析91 不同水平正交试验设计的方差分析 重复试验和重复取样的方差分析 正交试验设计的效应估计 正交试验设计中正交表的灵活运用 并列法 拟水平法 拟因素法 其它方法 SN比试验设计与产品三次设计简介 SN比及其应用 产品三次设计 一元线性回归分析 回归分析的基本概念 一元线性回归的数学模型 参数的最小二乘估计 相关系数及其显著性检验 一元线性回归的方差分析 重复试验的方差分析 利用回归方程进行预报和控制 化非线性为线性回归 回归直线的简便求法 多元线性回归分析 多元线性回归的数学模型 参数的最小二乘估计 多元线性回归的方差分析 逐步回归方法 回归正交设计 多项式回归与正交多项式

第2章C++语言基础 本章是学习C++语言的基础,包括以下几个方面: 1.结构化程序设计方法与面向对象程序设计方法的各自特点、区别和相互联系。 2.面向对象的程序设计方法中的有关概念,如类、对象、封装、继承、消息和多态性等。 3.C++程序的基本组成和框架结构 4.掌握C++语言中的基本数据类型、各种运算符、表达式。 5.C++数据输入流对象cin和输出流对象cout的使用。 6.程序的3种基本结构 7.构造数据类型,如数组、结构体、指针等的定义方法、特点和使用方法。 7.函数的定义、调用及函数调用过程中的参数传递的机理和程序执行流程。 8.引用的概念及其定义和使用方法

第一章 矩阵的相似变换 §1．1特征值与特征向量 §1．2相似对角化 §1．3 Jordan标准形介绍 §1．4 Hamilton-Cayley定理 §1．5向量的内积 §1．6西相似下的标准形 习题一 第二章 范数理论 §2．1向量范数 §2．2矩阵范数 一、方阵的范数 二、与向量范数的相容性 三、从属范数 四、长方阵的范数 §2．3范数应用举例 一、矩阵的谱半径 二、矩阵的条件数 习题二 第三章 矩阵分析 §3．1矩阵序列 §3．2矩阵级数 §3．3矩阵函数 一、矩阵函数的定义 二、矩阵函数值的计算 三、常用矩阵函数的性质 §3．4矩阵的微分和积分 一、函数矩阵的微分和积分 二、数量函数对矩阵变量的导数 三、矩阵值函数对矩阵变量的导数 §3．5矩阵分析应用举例 一、求解一阶线性常系数微分方程组 二、求解矩阵方程 三、最小二乘问题 习题三 第四章 矩阵分解 §4．1矩阵的三角分解 一、三角分解及其存在惟一性问题 二、三角分解的紧凑计算格式 §4．2矩阵的QR分解 一、Householder矩阵与Givens矩阵 二、矩阵的QR分解 三、矩阵酉相似于Hessenberg矩阵 §4．3矩阵的满秩分解 一、Hermite标准形 二、矩阵的满秩分解 §4．4矩阵的奇异值分解 习题四 第五章 特征值的估计与表示 §5．1特征值界的估计 §5．2特征值的包含区域 一、Gerschgorin定理 二、特征值的隔离 三、Ostrowski定理 §5．3 Hermite矩阵特征值的表示 §5．4广义特征值问题 一、广义特征值问题 二、广义特征值的表示 习题五 第六章 广义逆矩阵 §6．1广义逆矩阵的概念 §6．2 {1}-逆及其应用 一、{1}-逆的计算及有关性质 二、{1}-逆的应用 三、由{1}-逆构造其他的广义逆矩阵 §6．3 Moore-Penrose逆A+ 一、A+的计算及有关性质 二、A+在解线性方程组中的应用 习题六 第七章 矩阵的直积 §7．1直积的定义和性质 §7．2直积的应用 一、矩阵的拉直及其与直积的关系 二、线性矩阵方程的可解性及其求解 习题七 习题答案与提示