大规模界约束极小化问题的有效集截断牛顿法

许多工业过程的模型可转化为一个大规模界约束极小化问题.作者基于确定最优解处有效集的有效技巧和截断牛顿法,给出了一个求解该类问题的有效集截断牛顿法.该方法在每次迭代中,先启用允许快速修改工作集的估计技巧来估计最优解处的有效约束,然后利用截断牛顿法确定搜索方向对应于自由变量的分量,最后利用Armijo非精确线搜索得可行点;证明了所给方法的整体收敛性,并利用一组大规模测试问题对所给方法进行了数值试验,同时与文献[8]中的子空间有限内存拟牛顿法进行了数值比较,结果表明有效集截断牛顿法不仅稳定和有效,而且适合于大规模界约束极小化问题的求解.     

解互补问题的—类广义拟牛顿算法

互补问题在实际生活中有着广泛的应用,是当前研究的一个热点问题,从而产生了很多的解决途径。本文利用互补函数将互补问题转化为一个无约束最优化问题,从而构造了一类求解互补问题的广义拟牛顿算法,并从理论上给出了无约束最优化问题的解是原互补问题解的一个充分条件。数值实验表明算法不仅可行而且效果较好。     

解互补问题的一类广义拟牛顿算法

互补问题在实际生活中有着广泛的应用,是当前研究的一个热点问题,从而产生了很多的解决途径.本文利用互补函数将互补问题转化为一个无约束最优化问题,从而构造了一类求解互补问题的广义拟牛顿算法,并从理论上给出了无约束最优化问题的解是原互补问题解的一个充分条件.数值实验表明算法不仅可行而且效果较好.     

解大型对称矩阵特征值问题的一个子空间加速截断牛顿法

基于非线性优化中的截断牛顿法提出了解大型稀疏对称矩阵特征值问题的一个子空间加速的截断牛顿法,证明了算法的收敛性并进行了数值试验,数值试验结果表明数值结果与理论分析相符,表明该算法是有效的。     

关于实对称带状矩阵逆特征值问题的广义Lanczos算法

针对实对称带状矩阵的逆特征值问题,提出了一种新的能适应重特征值逆问题算法-广义Lanczos算法.它是在块Lanczos算法、拟Lanczos算法的基础上的进一步扩张,通过实际计算验证,该算法简单且数值稳定.     

光滑问题的牛顿法及其延拓

牛顿法是科学计算中最重要的方法之一，一些重要的数值计算方法的计算速度快的主要原因是与牛顿方向有关系.简述一元函数求根的经典牛顿法及其收敛性定理，并给出几点注记；解释了一元函数到多元映射在分析上的困难，给出求解无约束极小化问题的经典牛顿法及收敛性定理；将光滑映射拓广到半光滑映射，提出半光滑牛顿方法，分析并证明了半光滑牛顿法收敛性定理；以求解互补问题为例说明半光滑牛顿方法具有广泛的应用背景.     

关于Broyden族算法收敛性的几种解析

研究无约束最优化问题,理论分析和大量数值实验表明,拟牛顿法是效果最好的一类方法,它利用目标函数值和一阶导数的信息,构造出目标函数的曲率近似,使方法具有类似牛顿法的收敛速度快的优点。Broyden族算法正是目前较流行的一类拟牛顿算法。它可以在精确线搜索和非精确线搜索两种条件下考虑。在这篇文章中,首先研究了采用Broyden族算法(∈[0,1))的整体收敛性和一类非精确搜索的Broyden(∈[0,1))的整体收敛性。最后研究了Broyden族算法的超线性收敛性。     

无线搜索BFGS公式的改进

拟牛顿法中的BFGS公式是非线性数值最优化计算方法中的一个很有效的方法，文章对BFGS公式提出一个修改。修改后的BFGS公式在进行无线搜索迭代时，其迭代方向的共轭性得到较好的改进。数值例子表明本文的修改提高了BFGS公式的效率     

求解大型稀疏线性方程组的加权拟极小残差算法

拟极小残差算法(QMR)是基于Lanczos双正交化过程的求解大型稀疏线性方程组的一种Krylov子空间方法.为了加快其收敛速度,采用加权技术,将QMR算法中的普通Euclidean内积用D-内积来代替,构造得到加权Lanczos双D-正交化算法,在此基础上得到加权拟极小残差算法(WQMR).数值算例表明,对某些矩阵特别是带状矩阵,该算法的收敛性优于QMR算法.     

求解大型稀疏对称矩阵极端特征值的子空间加速的截断牛顿法

利用扩展子空间的方法,对求解大型稀疏对称矩阵极端特征值的截断牛顿法进行改进,提出了子空间加速的截断牛顿法。理论分析和数值结果均表明,新方法对计算对称矩阵的极端特征值是有效的。     

求解非线性优化问题的记忆梯度摄动投影算法

利用摄动投影矩阵建立求解非线性约束优化问题的记忆梯度摄动投影下降算法,并证明算法的收敛性,同时给出结合FR、PR、HS参数和拟牛顿方程的记忆梯度摄动投影算法,从而将经典的共轭梯度法推广用于求解约束优化问题。数值结果表明算法是有效的。     

解线性规划的广义起作用集法

给出了解线性规划的广义起作用集法。从极点出发的搜索方向是该点处所有下降棱方向的一种凸组合。一般情况下,迭代路径置于容许集的表面上,而不是象单纯形法那样迭代点沿着棱移动。由于广义方法的迭代通常要跳过一些极点,因此收敛速度比单纯形法有明显的提高。     

无约束优化问题的稀疏拟牛顿法

对无约束优化问题提出了一种稀疏拟牛顿法,算法在每次迭代中运用拟牛顿方法的思想确定其搜索方向,采用非精确线性搜索确定步长,在通常的假设条件下,证明了算法的全局收敛性和线性收敛速度.     

一类新的Wolfe线性搜索下的记忆梯度法

提出一类新的求解无约束优化问题的记忆梯度法,在较弱条件下证明了算法具有全局收敛性和线性收敛速率。算法在每步迭代中利用当前和前面迭代点的信息产生下降方向,不需计算和存储矩阵,适于求解大规模优化问题。初步的数值试验表明算法比Wolfe搜索下的FR,PRP和HS共轭梯度法及最速下降法有效。     

解带线性或非线性约束最优化问题的结合共轭梯度参数的记忆梯度Rosen投影算法

对于求解无约束规划的记忆梯度算法中的参数。作者利用Rosen投影矩阵给出了一个条件以确定其取值范围。使其在取值范围内取值均能得到目标函数的记忆梯度Rosen投影下降方向。从而建立了求解带线性或非线性约束最优化问题的记忆梯度Rosen投影算法．然后在较弱条件下证明了算法的收敛性。同时给出了具有好的收敛性质和较快收敛速度的结合FR,PR,HS共轭梯度参数的记忆梯度Rosen投影算法,从而将经典的共轭梯度法推广用于求解约束规划问题．由于算法需要较小的存储,算法适合于大规模问题的计算．数值例子表明算法是有效的．     

求解具有多个右端项线性方程组的总体GMERR算法

提出求解具有多个右端项大规模非对称线性方程组AX=B的一个新方法.广义最小误差(GMERR)方法用于求解AX=B时,需要对每一个右端项分别求解,运算量大,并且求解一个线性方程组的信息不能有效的应用于另一个方程组.针对以上不足,将初始残量矩阵总体投影在一个Krylov子空间上,得到总体广义最小误差方法(总体GMERR方法)及相关性质.数值实验结果表明新方法比用GMERR算法分别求解每一个同系数矩阵而右端项不同的方程组更为有效.     

一个超线性收敛的广义投影序列方程组算法

讨论了非线性不等线约束最优化问题,在较温和条件下,采用广义和投影和序列线性方程相结合的技术,建立一个新的可行下降算法,证明了算法的全局收敛性和超线性收敛性。该算法每交迭代只需解２个线性方程组。     

求解非凸函数优化问题的修正广义拟牛顿算法

对无约束最优化问题,提出了一种修正的广义拟牛顿算法,证明了该算法对非凸函数在Goldstein非精确线搜索下具有全局收敛性．     

五阶常微分方程的Petrov-Galerkin谱元法

通过区间剖分,降低数值逼近多项式的阶数,构造满足试探函数空间和检验函数空间的基函数,使得离散问题所对应的线性系统的系数矩阵是稀疏的,并可以进行有效地求解.数值算例验证了五阶常微分方程的Petrov-Galerkin谱元法的有效性和高精度.     

一类充分下降共轭梯度法的全局收敛性

给出一类搜索方向采用保守策略的新型共轭梯度法,在常规假设条件下得到了算法的全局收敛性结果,并给出算法的数值实验结果.结果表明:相应的算法分别在强Wolfe非精确线搜索参数σ1/4,1/3,1/2的情形下充分下降;新算法适合于求解大型无约束优化问题.