快速投影Hessian矩阵算法

分析了求解等式约束非线性规划问题的投影Hessian矩阵算法,找出了算法两步Q-超线性收敛的原因,并用BYRD的例子说明此算法的收敛效果较差,即甚至不是线性收敛;对算法进行了合理的改进,并用改进后的算法求解BYRD问题,得到了满意的收敛效果,即Q-超线性收敛．借助数值试验验证了改进算法的快速收敛性．     

一个改进的求无约束优化问题的BFGS方法

本文对求解无约束优化问题的BFGS方法进行了改进,改进的算法同样具有整体收敛和超线性收敛特性。并对算法进行了数值检验,其数值结果表明,算法的收敛速度比原方法要快。     

关于拟牛顿法求解等式约束优化问题的超线性收敛条件

拟牛顿法是求解约束优化问题的有效方法之一,许多作者在理论上讨论了此类算法的全局收敛性和收敛速度,但关于收敛速度的条件讨论较少．Ｂｏｇｇｓ等人给出了一个拟牛顿方法求解等式约束优化问题的超线性收敛的充要条件,但假设条件较强．本文利用分析和代数的技巧,在较弱的条件下证明了该算法的超线性收敛的充要条件仍然成立．     

等式约束优化问题SQP算法的超线性收敛充要条件

对于等式约束问题，Boggs，Tolle和Wang三人将Dennis，Mo埏的求解无约束优化问题的类似结果加以推广，得到了SQP算法超线性收敛的一个极为重要的充要条件。许多研究学者又作了的改进，进一步减弱假设条件，得到了同样的等式约束问题的SQP算法超线性收敛的充要条件。     

非光滑单值优化的信赖域算法

提供了求解非光滑单值优化问题的信赖域算法．基于线性规划的对偶理论,将目标函数的方向导数转化成线性规划,从而使信赖域子问题容易数值求解． 在合理的条件下,证明了算法的整体收敛性和局部超线性收敛速率．     

一个非精确广义牛顿算法的实现

通过将非线性LC^1约束优化问题的KKT条件转化成半光滑方程组，提出了求解LC^1约束优化问题的非精确广义牛顿算法．并给出了保证该算法超线性收敛的构造方法，使得算法得以实现．     

求解等式约束最优化问题的Broyden算法的全局收敛性

将单边既约Hesse矩阵SQP方法和无导数线性搜索技术相结合，提出了一种求解等式约束最优化问题的拟牛顿算法．在适当的假设条件下，证明了算法全局收敛于优化问题的KKT点，而且收敛速度是局部超线性的．当迭代次数k充分大时，这种算法可以实现单位步长，因此不会出现Marotos效应．     

一种求解旅行商问题的新算法

分析了旅行商问题的时间复杂度特点，针对用遗传算法求解旅行商问题中存在的一些问题提出了改进算法．此算法将群体分为若干小子集，并用启发式交叉算子，以较好地利用父代个体的有效信息，达到快速收敛的效果．实验结果表明：此算法能提高寻优速度，解的质量也有所提高。     

稀疏B─可微方程组的Schubert算法

将适用于Ｆ－可微方程组的Ｓｃｈｕｂｅｒｔ算法及其局部线性与超线性收敛理论推广到了Ｂ－可微方程组，并给出了所得结果在求解非线性互补问题方面的应用．     

二阶锥规划的半光滑非精确方法的收敛性分析

给出了求解二阶锥规划问题的半光滑非精确牛顿方法并对其收敛性进行了分析算法在每次迭代时,通过近似求解牛顿方程,以减少算法迭代成本;算法被证明是全局收敛和局部超线性收敛的     

基于带参数价值函数求解线性互补问题的信赖域算法

基于带参数价值函数,给出了求解线性互补问题LCP (q, M)的信赖域算法.在每步迭代时,仅需求解简单的线性方程组.在M为P-矩阵时,算法全局收敛.无需假设极限点x*是否退化,在一定的条件下,算法局部超线性收敛.     

基于平移预条件技术的改进超松弛迭代图像复原

图像复原问题常常可转化为大型线性系统的求解问题.为解决超松弛迭代算法在求解大型稀疏线性系统时的收敛不稳定问题,提出了一种改进的超松弛迭代算法.通过平移预条件技术将超松弛迭代的迭代矩阵进行改进以避免奇异,研究了改进算法的收敛性和松弛参数的取值范围.在两个实际图像复原问题上的数值实验结果表明,改进算法是稳定和有效的.     

无约束优化的一个全局收敛算法及其收敛速度

对最速下降法与拟牛顿法的结合算法进行了改进,证明了改进算法的全局收敛性,而且给出了局部超线性收敛性.初步的数值计算结果也表明了改进的算法比原算法有更好的收敛效果.     

一种广义互补问题的磨光方法

文章基于文献[1]中一种广义互补问题的转化模型，建立了一种磨光牛顿算法，并在适当的条件下，证明了这种算法的超线性收敛性和Q-二次收敛性．     

一个新的求解等式约束优化问题的信赖域算法的超线性收敛分析

对文[1]提出的一个求解等式约束优化问题的信赖域算法进行超线性收敛分析.     

非线性约束条件下一个超线性收敛的──可行方法门（Ⅰ）算法A

序列二次规划算法（即ＳＱＰ算法）一般具有良好的超线性收敛性质，在非线性规划中占有非常重要的地位。从实际数值效果来看，ＳＱＰ类算法对于非线性约束下的最优化问题是非常有效的。但这一类算法在实际运算中和终止时所得到的解一般都是不可行的，对于一些与工程设计等实际应用相关的优化问题，这是一个很严重的不足之处。为了克服现有ＳＱＰ类算法的不足。本文给出了一个非线性约束条件下求解ＳＱＰ类问题的可行方法，即算法Ａ。此新方法具有如下优点：（１）每步迭代仅需计算一个二次子规划及一个矩阵的逆；（２）算法每步迭代产生的点均是可行的；（３）在适当的条件下，算法是一步超线性收敛的。     

改进状态转移策略的蚁群算法求解TSP问题

针对蚁群算法在求解TSP问题中易出现算法易早熟难收敛的问题,基于历史搜索信息提出了一种改进状态转移策略的蚁群算法,并引入自适应信息素更新机制引导信息素的更新。实验表明,改进的蚁群算法较传统蚁群算法改善了在求解TSP问题上易早熟难收敛的问题,求解效果和求解稳定性上提升显著。     

一个新的求解等式约束优化问题的依赖域算法的超线性收敛分析

对文［１］提出的一个求解等式约束优化问题的依赖域算法进行超线性收敛分析。     

投影松弛迭代的收敛性与收敛速度

本文讨论求解一般线性互补问题的投影松弛迭代法的收敛性,对于两类迭代算法—投影雅可比松弛和投影逐次超松弛,我们给出了一些收敛判定准则.此外,我们还得到了两类算法的收敛速度估计式.     

解带非线性等式和不等式约束优化问题的超记忆梯度广义投影算法

利用广义投影技术 ,将求解无约束规划的超记忆梯度算法推广 ,建立了求解带非线性等式和不等式约束优化问题的一种超记忆梯度广义投影算法 ,并证明了算法的收敛性。该算法具有稳定、计算量小、所需收敛条件弱、收敛性强等特点 ,并改进了广义梯度投影算法的收敛速度。数值算例表明该算法是有效的。