我开始写小论文时用到的入门算法，简单，有助于理解算法，里面还有一个C#蚁群算法类，可以很好解决TSP问题，而且收敛性极好（可惜不是自己写的啊）

仿样有限条法(spline finite strip method)是分析等截面结构最流行的数值方法之一.在以往的研究中,与一些基准问题的解析结果相比较,论证了该方法数值结果的有效性和收敛性,但至今未对该方法的精确解和显式误差项进行过数学推导,解析地论证过其收敛性.该文在对平板的分析中,使用酉变换(简称U变换)逼近法,导出了仿样有限条法精确的数学解,这是首次在公开文献中给出的精确解.和常规的仿样有限条法相比较,总矩阵方程的集成及其数值解都不同,U变换法的总矩阵方程,减少为仅含有2个未知量的方程,然后导出仿

SA的收敛性分析 问题： 将状态按目标值进行升序编号， 即 SA的Markov 链描述及收敛性分析 （4）

正则性假设或拟一致条件是进行有限元理论分析的基本假设,本文在不满足该假设的条件下,采用一种更简便的方法给出了双线性元在求解二阶问题时的超逼近结果;在此基础上,又得到了其在中心点的点态超收敛结果;最后的数值试验验证了理论分析的正确性。

针对多目标进化算法处理约束高维多目标优化问题时出现解的分布性和收敛性差、易陷入局部最优解问题,采用Pareto支配、分解与约束支配融合的方法,提出一种基于分解约束支配NSGA-II优化算法(DBCDP-NSGA-II).该算法在保留NSGA-II中快速非支配排序的基础上,首先采用Pareto支配对种群进行支配排序;然后根据解的性质采用分解约束支配(DBCDP)惩罚等价解,保留稀疏区域的可行解和非可行解,提高种群的分布性、多样性和收敛性;最后采用个体到权重向量的垂直距离和拥挤度距离对临界值进行再排序,直到选出N个最优个体进入下一次迭代.以约束DTLZ问题中C-DTLZ1、C-DTLZ2、DTLZ8、DTLZ9测试函数为例,将所提出的算法与C-NSGA-II、C-NSGA-III、C-MOEA/D和C-MOEA/DD进行对比分析.仿真结果表明,DBCDP-NSGA-II所得最优解分布更加均匀,具有更好的全局收敛性.

基于生物免疫系统的重要原理和机理提出了一种免疫进化算法(I EA),对此算法收敛性进行了理论分析,并将该算法应用到多模态函数优化的求解中。仿真结果表明,该算法用于复杂的函数优化具有较快的收敛速度和有效性,利用此算法研究优化问题具有广阔的前景。

提出了一种通用的基于概率包标记大规模DDoS攻击源跟踪方法。相比其他方法，该方法通过引入包标记中继算法既适用于直接类型的DDoS攻击路径恢复，也适用于反射类型的DDoS攻击路径恢复。此外，通过巧妙运用方程组惟一解判定原理对路由IP实施编码，运用基于一次性密钥的HMAC方法对攻击路径的每条边进行编码和验证，不需要ISP路由拓扑，便能够在被攻击点相应的解码并高效可靠地恢复出真实的攻击路径。分析表明，该方法能与IPv4协议较好地兼容，具有较好的抗干扰性。

一类计算智能方法的收敛性分析

改进的模拟退火算法及其收敛性研究 给出了模拟退火算法的各种应用以及收敛的证明

具混合时滞和Markov参数切换的中立型神经网络随机鲁棒收敛性和稳定性