半无限Minimax离散化问题的一个大步长非单调SQP算法

针对半无限Minimax的离散化问题,借鉴一般约束优化问题模松弛强次可行SQP算法思想,提出一个求解半无限Minimax离散化问题的非单调SQP算法.算法初始点可以任意选取,通过求解一个QP子问题来得到搜索方向,在非单调线搜索规则的基础上,结合大步长搜索技巧,提出新的大步长非单调线搜索规则来获得下一个迭代点,最后在适当的条件下证明算法的全局收敛性,初步的数值实验验证算法是可行有效的.     

基于锥模型的非单调自适应信赖域算法

针对无约束优化问题提出了一个基于锥模型的非单调信赖域算法.首先提出一种求解子问题的新方法,在此基础上给出该文算法.算法结合自适应技术,避免信赖域半径更新的盲目性;并引入滤子技术和新的非单调技术,利用非单调Armijo线搜索得到步长,进而产生新的迭代点.在一定的假设条件下,证明了该算法的全局收敛性,数值实验表明了算法的有效性.     

线性二阶锥权互补问题的非单调无导数下降算法

提出非单调无导数下降算法,用于求解线性二阶锥权互补问题.构造一个效益函数,分析其水平集有界性.提出的算法在计算步长时进行非单调线搜索,搜索方向在一定假设下满足下降条件.理论证明算法全局收敛,数值结果验证算法有效.     

解无约束优化问题的一个新的非单调信赖域算法

在传统信赖域方法的基础上,提出了求解无约束最优化问题的一个新的带非单调线搜索的信赖域算法.该算法采用非单调Wolfe线搜索技术获得迭代步长,新算法在每一迭代步只需求解一次信赖域子问题,克服了每次迭代求解信赖域子问题时计算量较大的缺点.在一定条件下,证明了算法的全局收敛性.数值实验结果表明该算法是有效的.     

解无约束优化的非单调自适应信赖域算法

受文献[14]的启发,针对无约束优化问题提出了一个基于二次模型的非单调信赖域算法;算法结合自适应技术,避免信赖域半径更新的盲目性;并引入新的非单调技术,利用非单调Armijo线搜索得到步长,进而产生新的迭代点;在文献[14]减少一个假设条件的情况下,证明了该算法的全局收敛性,数值实验表明了算法的有效性。     

一类共轭梯度法在非单调Armijo型线搜索下的全局收敛性

在Armijo型线搜索的基础上提出两种非单调Armijo型线搜索，研究了一类在非单调Armijo型线搜索下的无约束优化问题的共轭梯度算法，证明了其全局收敛性。     

一种求解结构组合优化问题的BB型算法

提出了一种求解一类非光滑复合凸优化问题的BB型算法,结合非单调线搜索技术和合适的BB步长,在适当的条件下,证明了所提出算法的收敛性。通过数值实验与现有的算法进行比较,证明了所提出的算法相比已有的算法,运行的CPU时间更短、迭代次数更少、数值性能上更优。     

无约束优化问题的多重滤子线搜索信赖域方法

结合多重滤子、线搜索和非单调技术,对无约束优化问题提出新的非单调信赖域算法.当试验点迭代不成功时,采用多重滤子线搜索,尽量减少重新求解信赖域子问题的次数,从而降低了计算量.在一定的条件下,给出新算法的全局收敛性证明.     

一种非单调带线搜索的L-M方法

基于累次的函数平均值下降,采用非单调搜索技术,提出求解无约束优化问题的一个新的非单调线搜索的L-M方法,而传统的非单调线搜索方法取当前迭代点及前m(k)个点中函数值最大的作为参考函数值.在适当条件下,证明该算法的收敛性和k次线性收敛.     

大规模无约束优化的非单调有限内存BFGS算法

结合有限内存及非单调搜索技术提出了求解大规模无约束优化的非单调有限内存BFGS(NLBFGS)算法,在一定的条件下给出了算法收敛性结论.从标准试验函数库CUTE中选择标准函数,与线搜索满足强Wolfe条件的L-BFGS算法相对比进行了数值试验,结果表明算法是较为满意的.     

无约束优化中带线搜索的非单调信赖域算法

将信赖域与线搜索方法相结合,采用非单调技术,提出一种求解无约束优问题的非单调信赖域算法,并在适当的条件下,证明算法有全局收敛性和Q-二次收敛性.算法在试探步不被接受时,采用非单调线搜索寻找下一迭代点.算法克服了传统非单调算法中用于产生非单调性的参考函数值远大于实际函数值的问题.初步的数值试验证实算法是有效的.     

一类无约束优化的非单调共轭梯度法

针对无约束优化问题,提出一类新的非单调共轭梯度法,在新的非单调Wolfe条件下保证了算法的全局收敛性,并在每次迭代过程中,均可得到初始的自适应步长和充分下降方向.数值结果表明算法是可行和有效的.     

非光滑单值优化的非单调线搜索方法

提供了非光滑单值优化的非单调线搜索方法,基于线性规划的对偶定理,目标函数的方向导数可以表示成线性规划问题,这在实际计算非单调线搜索子问题时是非常重要的,在合理的条件下,证明了 法的整体收敛性和局部超线性收敛速率。     

一种修正HS共轭梯度法的全局收敛性

对HS算法进行了修正,在非单调线搜索下,该方法保证每次迭代中的搜索方向是充分下降的。在较弱的条件下,证明了此类非单调修正HS算法具有全局收敛性。最后对算法进行了数值试验,试验结果表明,该算法具有良好的收敛性和有效性,尤其适合求解大规模无约束优化问题。     

带有固定步长的非单调信赖域方法

该文提出一种新的非单调信赖域方法．当试探步不能被接受时，算法沿着试探步的方向求得下一个迭代点，其中步长利用固定公式计算．这种方法既避免了重复求解信赖域子问题，又减少了线搜索方法计算函数值的次数．该文采用的非单调策略是基于张洪超和Hanger（2004）出的非单调线搜索技术．在适当的条件下，证明了算法的全局收敛性及超线性收敛性．最后给出了初步的数值实验结果．     

基于ZhangHC非单调技术的修正HS共轭梯度算法

将ZhangHC非单调技术与修正的Armijo线搜索规则结合,给出了求解无约束优化问题的一种新的HS共轭梯度算法。在较弱的条件下,证明了算法的全局收敛性。数值结果表明新算法是有效的,且适于求解大规模问题。     

关于一类非光滑极大极小问题的非单调线性搜索算法

考虑一类非光滑的离散的极大极小问题：minmax{fi(x)|i=1…m}，其中fi是凸的，但不一定可微．在这里我们给出了非单调线性搜索算法，并证明了在一定条件下算法具有全局收敛性．