解非线性方程组的一种修正Levenberg-Marquardt算法

提出了求解非线性方程组的一个修正Levenberg-Marquardt方法,每次迭代步都引入校正步,使新的试探步更靠近Moore-Penrose步.另外,利用信赖域技巧修正L-M参数.在弱于雅可比矩阵非奇异的局部误差界条件下,证明了该算法的全局收敛性和局部二次收敛速度.数值试验表明了算法的有效性.     

关于解一类奇异非线性方程组的牛顿法的收敛性

对一类奇异非线性方程组,运用Moore-Penrose广义逆建立牛顿迭代法,分析了其局部收敛性、半局部收敛性以及收敛半径的估计,数值例子也表明了算法的有效性.     

应用改进的Levenberg-Marquardt方法求解一类多线性系统

研究一类多线性系统的数值求解,该系统在工程和科学计算中具有广泛的应用背景.应用改进的Levenberg-Marquardt(LM)方法,讨论这类多线性系统的数值算法,并证明该方法在局部误差界条件下的全局收敛性和局部二次收敛性,最后通过数值实验检验算法的有效性.     

求解非线性方程组的一个修正非单调L-M算法

利用非单调搜索准则提出求解非线性方程组的修正Levenberg-Marquardt算法(L-M算法).算法中,当试探步未被接受时,执行非单调线搜索来获取下一个迭代点.在适当的假设条件下,证明了该算法具有全局收敛性和局部二次收敛性.数值实验表明该算法是有效的.     

一类新预条件下AOR迭代法收敛性的讨论

对AOR迭代法解线性方程组,讨论在一类新的预条件下AOR迭代法收敛性的加速,证明在非奇异M-矩阵下该预条件加速AOR迭代法的收敛性,而在非奇异不可约M-矩阵下能严格加速AOR迭代法的收敛性.最后给出一个例子说明该预条件要优于通常的预条件(I+S).     

求解非线性互补问题的非单调自适应信赖域算法

利用FB-NCP函数将求解非线性互补问题等价转化为求解无约束问题的一个全局极小值.提出一种非单调自适应信赖域算法,并在FB正则的条件下得到该算法是全局收敛性结果.在适当的假设下,进一步证明了该算法的局部超线性收敛和二次收敛性.     

求解非线性方程组的一个修正非单调L-M算法

利用非单调搜索准则提出求解非线性方程组的修正Levenberg-Marquardt算法(L-M算法).算法中,当试探步未被接受时,执行非单调线搜索来获取下一个迭代点,在适当的假设条件下,证明了该算法具有全局收敛性和局部二次收敛性,数值实验表明该算法是有效的.     

基于小波的迭代盲图像恢复新算法

针对迭代盲反卷积算法中解的唯一性和收敛性不确定问题,提出了基于小波的迭代盲图像恢复新算法.该算法用基于奇异值分解和压缩滤波方法对降质图像进行预处理,在初始化估计后对图像进行小波变换,用局部高斯模型刻画图像小波系数的概率分布,并作为先验约束加入到迭代算法中.仿真结果表明,新算法在保持图像边缘特性的基础上,峰值信噪比改进量比原算法增加约3 dB,对解的唯一性和收敛性也有一定改善.     

求解非线性方程组的一个光滑化一步牛顿算法

针对非线性非光滑函数方程组提出了一种新的光滑化一步牛顿算法,这个算法的每步迭代只需要解1个线性方程组,执行1次线搜索.证明了该算法是全局收敛的,并且在一定条件下,证明了它的局部超线性收敛性和二次收敛性.     

保守修正BFGS算法及全局收敛性

基于新拟牛顿方程,提出一类保守修正BFGS算法.该算法的特点是:即使当目标函数是非凸函数时,该算法仍然是全局收敛的.在适当的条件下,该算法具有局部超线性收敛性.初步的数值实验表明,该算法是有效的.