線性方程組的直接解法和迭代解法各有什么特點？

是你所謂的直接方法axbxa(-1)b如果是，這種方法對于大型(尤其是大型稀疏)矩陣一般不是一個好的選擇。因為在求a(-1)的過程中，會進行很多不必要的計算。當a接近奇點時，它很難弄清楚。(當然如果你嘗試快速求解，比如在matlab中使用inv(A)*b，因為有簡單的命令，也是不錯的選擇。)

對于迭代法來說，盧分解后用高斯消元法是個不錯的選擇，自己寫點程序就行了，不如直接法方便。雖然是迭代，但是matlab提供了一個你可以直接使用的命令，就是a，另外對于一些特殊的矩陣，比如正定對稱矩陣，你也可以使用共軛梯度法，這種方法收斂速度非常快，適用于大型稀疏矩陣。

用粒子群優化算法解決無功優化問題，用matlab編寫的程序，運行結果不穩定怎么辦？

你的不穩定是否意味著你可以t收斂，還是每次收斂的結果都不一樣？

如果每次收斂結果都不一樣，那是正常的，只是因為找到了局部極小點，粒子數應該比較大。

如果你能t收斂，我覺得還是要檢查一下你的程序問題。

遺傳算法有那些缺點？

1.早熟。這是最大的缺點，即算法探索新空間的能力有限，容易收斂到局部最優解。

2，大量的計算。它涉及到大量個體的計算。問題復雜時，計算時間是個問題。

3.處理規模小。目前對高維問題的處理和優化仍有一定難度。

4.處理非線性約束是困難的。對于處理非線性約束，大多數算法都加入了懲罰因子，這是一筆不小的開銷。

5.穩定性差。由于該算法屬于隨機算法，需要多次運算，結果的可靠性差，不能穩定地得到解。

大致這些，lz可以查閱相關專業書籍！

信源容量迭代算法的收斂性matlab程序？

取每次迭代的導數，代入附近的猜想(這里是1.5)，看倒數的絕對值是否小于1。小于1就收斂，大于1就發散。倒數值越小，收斂速度越快。

設已知f(x)0有根a，f(x)足夠光滑(所有導數都存在且連續)。如果f(a)！0(單點零)，迭代法x[n^1]x[n]-f(x[n])/f(x[n])得到的序列x[n]總是收斂到a，且收斂速度至少是二階的。

如果f(a)0(重零點)，當初始值在a的一個鄰域內時，收斂速度是一階的。