一个新的修正HS共轭梯度法及全局收敛性

提出了一个新的修正HS共轭梯度算法解决无约束优化问题,该算法的特点是,搜索方向总是目标函数的下降方向,且不依赖于使用何种线搜索;特别是,若使用精确线搜索,该算法退化成标准的HS共轭梯度法。且在适当的假设条件下,证明了文章提出的算法具有全局收敛性,最后数值实验表明,文章提出的算法是可行的。     

一个新线搜索下的修正三项HS共轭梯度法

文章提出一个在新线搜索下的修正三项HS共轭梯度算法,该算法具有以下特性:(1)具有充分下降性质;(2)算法对于非凸函数具有全局收敛性;(3)数值实验结果表明,该算法比传统两项HS和三项HS算法更有效。     

求解无约束最优化问题的一类新共轭下降算法

提出了求解无约束化问题的一类新共轭下降算法,并在非精确线搜索下证明了该算法的全局收敛性,数值结果表有,这一算法是有效的。     

修改的βkN（μ）方法在标准Wolfe条件下的全局收敛性

在没有线搜索的条件下,修改的βkN（μ）方法满足充分下降条件.证明了其在标准Wolfe条件下具有全局收敛性.初步的数值结果表明该方法是有效的.     

FR共轭梯度法在非精确线搜索下的收敛性质

该文讨论著名的FR共轭梯度法在一类更易于实现的非精确线搜索下的全局收敛性。     

一种自适应的线搜索Levenberg-Marquardt算法

通过自适应的选择Levenberg-Marquardt(LM)算法的LM参数,结合Armijo线搜索技术给出一种自适应的线搜索LM算法.在局部误差界条件下,证明了新算法具有二次收敛性.用新算法求解非线性方程组,数值结果表明,新算法稳定,有效.     

一种无约束优化的非单调自适应锥模型信赖域算法

针对无约束优化问题,提出一种新的锥模型信赖域算法。该方法组合了线搜索技术、截断拟牛顿法和锥信赖域法。当试探步不被接受时,采用非单调线搜索原则产生下一次迭代点,无需重解锥信赖域子问题。在适当的条件下,证明算法的全局收敛性和超线性收敛性,数值结果表明算法是可行的和有效的。     

共轭梯度法的l~2模收敛性研究

讨论了共轭梯度法(Conjugate Gradient,CG)在l2模意义下的单调性与收敛性.所得结论对结合共轭梯度法来求解大规模线性方程组的各类方法,特别是对研究外推瀑布式多重网格法(EXCMG)按l2模的收敛性有重要作用.     

一种新的非线性共轭梯度法及其全局收敛性

根据陈继宏等人给出的βk的新取值,结合田亚娟等提出的线搜索方法,提出一种新的混合算法,并对其充分下降性和收敛性做出了证明.     

求约束极值问题的修正共轭梯度投影法

针对带约束的非线性规划问题,提出一个修正共轭梯度投影算法,并且用不严格互补条件证明了算法具备全局收敛性和局部超线性收敛性;另一方面,算法的每步迭代只计算一次共轭投影矩阵,避免了求解二次规划或求两个投影矩阵,因而算法在计算量上有所改进.     

求解线性不等式组问题的一种新算法

通过引入线性不等式组问题的一类光滑价值函数,将其求解问题等价地转化为无约束优化问题的求解.利用这个价值函数,提出了求解线性不等式组问题的一种新的共轭梯度算法.在线性不等式组的解集非空有界条件下,证明了算法的全局收敛性.数值实验结果表明了算法具有稳定高效的实用性能.     

基于子空间子集最优的共轭梯度法

通过最小化一个限制下次搜索方向在Span {-gk,dk-1}子集上的二次模型，提出了非线性共轭梯度法中参数βk的新计算形式及其杂交形式，同时证明了新方法是收敛的，数值实验表明方法是有效的。     

基于投影神经网络求解凸规划问题的二分法

将投影梯度神经网络方法和二分法相结合,提出了一种求解凸规划的新算法,并证明了该算法的收敛性.     

预条件共轭梯度法在线天线阵列RCS分析中的应用

为计算线天线阵列的雷达散射截面,用脉冲函数为基函数的Galerkin法将线天线阵列的电场积分方程组转化为一个线性方程组,其系数矩阵是一个对称的二重复Toeplitz矩阵.用预条件共轭梯度法与快速傅里叶变换的组合算法求解该线性方程组,其中预条件器采用T.Chan的循环预条件器的分块形式.这样的处理方法降低了对计算机内存的需求,加快了迭代速度,并提高了算法的收敛性.     

界约束非线性优化问题的信赖域滤子法

提出一种信赖域滤子方法来求解界约束的非线性优化问题,该方法将滤子技巧和投影梯度方法相结合,简化了算法的形式,证明了算法的全局收敛性,并给出了数值试验.     

基于目标函数梯度向量的相邻方向共轭法

从共轭梯度法的基本思想出发,在前一寻优方向起点和终点的负梯度向量平移所决定的平面内确定共轭方向,并提出二维和三维优化问题的共轭方向计算公式。根据向量的几何关系和矢量加减运算的几何意义,推导由任一寻优方向起点和终点的梯度所确定的共轭方向。此方法可用于多维优化问题的求解。提出新算法的寻优步骤,并与众多经典共轭方向计算公式相比。该算法不仅具有理论严密性,而且寻优有效,具有二次终止性。     

二维双相介质波动方程反演的共轭梯度法

针对二维双相介质波动方程反问题,将大范围收敛的同伦方法与求解大规模优化问题的共轭梯度法有机结合,并引入求解不适定问题的Tikhonov正则化方法,构造出正则化-同伦-共轭梯度法.数值实验结果表明了该方法能有效地处理非线性的、不适定的地震勘探反演问题.     

解无约束优化问题的新的两点步长梯度方法

给出一个两点步长梯度方法,其将与一个新的非单调线搜索技术相结合.此方法在目标函数不需要李普希子连续的条件下拥有全局收敛性.     

非精确搜索下的超记忆梯度法及其收敛性

提出一种新的无约束优化超记忆梯度算法,算法在每步迭代中充分利用前面迭代点的信息产生下降方向,采用Armijo搜索产生搜索步长,在较弱的条件下证明了算法的全局收敛性.     

界约束非线性优化问题的信赖域滤子法

提出一种信赖域滤子方法来求解界约束的非线性优化问题，该方法将滤子技巧和投影梯度方法相结合，简化了算法的形式，证明了算法的全局收敛性，并给出了数值试验