最速下降法和共轭梯度的混合算法及全局收敛

将最速下降法与共轭梯度法有机结合起来,构造出一种混合优化算法,并证明其全局收敛性.这种混合优化算法结合了共轭梯度法和最速下降法产生搜索方向,既提高了共轭梯度算法的收敛速度,又解决了目标函数的等值线是扁长椭球时,最速下降法下降缓慢的问题,具有收敛速度快、收敛范围大、适应面广等特点.文中的算法实例表明,混合算法与单纯的共轭梯度法相比,效果更优.     

求解无约束最优化问题的最速下降法的修正

提出了求解无约束最优化问题的最速下降法的一种修正算法，并给出了算法的收敛性证明。     

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.     

无约束多目标优化的一种新的下降算法

基于无约束多目标的最速下降法,提出了无约束多目标优化问题的一种新的下降算法,并证明了该算法在Armijo线性搜索下的收敛性.数据试验结果验证了该算法的有效性.     

拟可微函数最优化问题的极小化方法

研究一般拟可微集合上拟可微函数的最优化问题 ,给出问题的最速下降法 ,并在一定的条件和 inf驻点意义下证明其算法的收敛性 .     

差商最速下降法及其收敛性

证明了精确线搜索下的差商最速下降法的整体收敛性,提出了非精确线搜索下的有关算法并证明了收敛性。     

非对称代数Riccati方程的一种快速Newton型算法

对于运输理论中所产生的一类非对称代数Riccati方程,给出了一种新的快速迭代算法,该算法是基于一种具有三阶收敛性的两步Newton法而得到,并证明了该算法所产生的向量序列的单调收敛性.数值实验显示该算法具有比另外两种Newton型法更好的收敛行为.     

共轭梯度法和最速下降法的混合算法

将共轭梯度法与最速下降法有机地结合起来,构造了一种共轭梯度法和最速下降法的混合算法,并证明了该算法的全局收敛．混合算法既提高了共轭梯度算法的收敛速度,又解决了目标函数“性态不优”时,最速下降法难以求解的问题．同时也可以看到共轭梯度法与最速下降法仅仅是混合算法的特例．     

最速下降和共轭梯度混合算法在波束形成中的应用

介绍了一种最速下降法和共轭梯度法的混合算法,并将这种混合算法应用到自适应波束形成中。该方法根据最小均方（LMS）准则推导出代价函数,结合共轭梯度法和最速下降法产生搜索方向,既提高了共轭梯度算法的收敛速度,又解决了最速下降法下降缓慢的问题。计算机仿真表明,混合算法所需迭代次数少于最速下降法,且显著减少计算量,缩短运行时间。     

一种TD-SCDMA系统线性多用户检测的算法

依据"时分同步码分多址(TD-SCDMA)"协议标准文本,针对TD-SCDMA系统在多径瑞利衰落信道下的多用户检测问题,提出了一种基于最小均方误差准则的次优线性多用户检测问题数学模型,并基于该模型利用组合数学中的最速梯度下降法,设计实现了一种适用于TD-SCDMA系统的LMMSE MUD算法,同时结合仿真实验结果得出影响该算法收敛性能的关键因素,该算法复杂度分析.结果表明,此算法BER性能优于SUMF和ZF-BLE,而其算法复杂度与ZF-BLE法相当.     

求解非线性最优化问题的Newton算法研究

本文概述了非线性规划中Newton算法的基本原理和发展，阐述了Newton算法与其他算法的混合算法，并探讨了Newton算法的超线性收敛性，从而进一步阐明了此算法的研究方向。     

混合型方程组的数值解法

针对混合型方程组提出一种新的迭代算法.新算法有如下特点：第一,收敛速度快,同Newton迭代法一样,新算法具有二阶收敛速度; 第二,计算成本低,新算法低于Newton迭代法.在对新算法的收敛性进行严格证明的同时,数值实验还证实,新算法对初始解与精确解的接近程度的要求也比Newton迭代法有所降低.     

李-凯斯勒方程的牛顿-二分求解法

李-凯斯勒方程能够准确描述烃类多组分混合流体的P-V-T性质,在稠油化学复合冷采过程中,李-凯斯勒方程常常被用于计算稠油的物性。通过对牛顿法和二分法进行优势互补,本文提出了基于最小自由能原理的李-凯斯勒方程牛顿-二分混合求解算法。该算法先是参照二分法的思路迅速从李-凯斯勒方程的定义域内搜寻出目标区间,随后利用牛顿迭代公式求解出区间内的实根及对应的吉布斯自由能,最后迭代这一过程直至自由能不再下降。牛顿-二分混合算法的优点包括：①对初值不敏感,无需配合复杂的初值生成规则使用;②收敛速度快,相较于二分法而言可以加速1-2倍;③适用范围广,可同时适用于气相与液相流体。相较于牛顿法和二分法而言,牛顿-二分混合算法更适合嵌入各类模拟软件中进行混合流体的P-V-T性质计算。     

求解非线性最优化问题的Newton算法研究

本文概述了非线性规划中Newton算法的基本原理和发展,阐述了Newton算法与其他算法的混合算法,并探讨了Newton算法的超线性收敛性,从而进一步阐明了此算法的研究方向。     

基于混合校正内点法的最优潮流

提出了一种混合校正的内点法.该方法有效结合了预测校正和中心校正方式,在预测校正过程中通过动态选择校正方向在总的牛顿方向中的比例来优化搜索方向,以改善中心校正的效果,进而加快了整个算法的收敛速度.通过IEEE 57、IEEE 118、IEEE 300和3个实际系统的仿真计算表明,与多中心 校正内点法相比,此算法能以更少的迭代次数和计算时间快速收敛.此外,计算结果还表明,该算法比传统的预测 校正内点法及其衍生的内点法更具有鲁棒性.     

一种求解无约束优化问题的新混合共轭梯度法

在现有共轭梯度方法的基础上,提出一种新混合共轭梯度法来求解无约束最优化问题.该方法采用近似方法去逼近Hessen矩阵,克服了传统牛顿法求解Hessen矩阵中存在的计算量大等问题,并在强wolfe线搜索技术下给出该共轭梯度算法的全局收敛性证明.实验结果表明,与PRP(Polak-Ribiere-Polyak)方法和HYBRID(混合)方法相比较,该文提出的新混合共轭梯度算法的迭代时间少于前两者方法,说明该文方法可行、有效.     

关于多项式方程重根一种求法的探讨

牛顿法是求解非线性方程根的常用方法，为了更快地求出多项式方程的重根，本文将牛顿法与秦九韶算法相结合，设计了有效的算法，并编程实现求解问题．     

带状无约束优化问题的对角线修正解法

带状无约束优化问题的对角线修正解法王宇（工程力学研究所）关键词优化；带形矩阵；分解；牛顿法／无约束分类号：Ｏ２２１．２；Ｏ２４１．７在非线性结构分析和结构优化中，经常出现求函数的极小值点的问题，亦即求ｍｉｎｆ（ｘ），ｘ∈Ｒ￣ｎ（１）的解；其中非线性目...     

非线性椭圆问题的非精确牛顿代数多重网格法

采用基于矩阵图集的粗化算法形成粗点集,构造改进的插值算子,结合V型多重网格法和瀑布型多重网格法的算法结构,提出了一种改进的代数多重网格（IAMG）法,并估计了该算法的计算量。将IAMG法运用于求解牛顿算法中线性校正方程,提出了求解非线性椭圆型问题的非精确牛顿代数多重网格（IN-AMG）法。数值实验表明与对比算法相比,IN-AMG法在求解线性校正方程方面的整体计算量更少、计算时间更短。     

快速稳定收敛的一维搜索算法——水平割线法

根据经典的一维搜索算法——对分法和Newton切线法的基本原理，提出了一种新的一维搜索算法——水平割线法。介绍了该方法的基本原理，给出了详细的算法，并证明了算法收敛的稳定性。最后通过实例，把该方法与对分法、Newton切线法作了比较。