一类非线性混合整规划的算法及收敛性

本文讨论一类非线性混合整规划问题的解法。文中给出了两种算法：折线逼近法和 二次序列法，并对算法的收敛性进行了分析，证明了折线逼近法的收敛性。     

无约束优化DFP算法的全局收敛性

讨论了无约束优化问题的ＤＦＰ算法的全局收敛性。在适当的条件下，证明了对一致凸目标函数，在非精确线搜索下ＤＦＰ算法具有全局收敛性。     

非线性约束最优化的一类逐次线性算法

对于非线性约束最优化，提出了一个自动调节罚因子的信赖域类型的逐次线性算法。在一个很广泛的信赖域半径选择规则下，证明了算法的强收敛性。本文还讨论了特殊情况下算法的超线性收敛性。     

求解非光滑方程的阻尼PSB方法与阻尼DFP方法的收敛性分析

提出了几种求解非光滑方程的阻尼ＰＳＢ方法及阻尼ＤＦＰ方程，并讨论了这些算法的全局收敛性及超线性收敛性。     

广义分式规划Dinkelbach型算法的改进

在紧集情况下，在讨论了广义分式规划问题的Dinkelbach型算法的基础上，提出了改进Dinkelbach型算法，结果表明，该算法比现有的算法更简单，具有更好的收敛性。     

非线性等式和不等式约束下的一类SQP算法

讨论了非线性等式和不等式约束下的一类SQP算法，给出了全局收敛性。     

变分不等式的变维数算法

研究了变分不等式问题解的存在性，建立了解该问题的变维数算法讨论了算法的收敛性并对算法进行了数值检验。     

一类非单调线性互补问题的预估校正算法

对于一类非单调线性互补问题给出了一种新的内点算法－预估校正算法，并讨论了其多项式的收敛性。     

褶积模型参数估计的递归算法及其收敛性

讨论褶积模型参数估计问题，通过对数据的正交化得到了模型参数的递归算法，从理论上分析这种递归算法的收敛性，并得到一个判断正交化过程收敛性的充分条件，在此条件下递归算法必收敛到褶积模型中的子波A=（1，a1，…，aq）。     

蚁群算法搜索熵研究

借鉴信息熵,提出蚁群算法的熵模型,定义蚁群算法的3种搜索熵,讨论了搜索熵同算法搜索能力和收敛性之间的关系,给出了2个简化模型的基于搜索熵的收敛性判定定理,并利用搜索熵讨论了参数选择对蚁群算法的影响.     

无约束最优化的共轭梯度路非单调信赖域算法

提供了无约束最优化问题的共轭梯度路径非单调信赖域算法。进而获得了共轭梯度路的一些重要性质。基于这些性质和一些合理的假设，证明了算法具有整体收敛性和保持局部超线性收敛速率。     

快速差分进化算法

提出一种快速差分进化(FDE)算法.该算法采用根据上一代最优个体确定下一代搜索区间的技术不断更新和缩小搜索区域,从而加快收敛速率,提高收敛精度和鲁棒性.通过对21个极值函数仿真试验分析表明,该算法在问题维数多时,极值函数的收敛速率、收敛鲁棒性和收敛精度明显优于其他算法,且种群初始化形式不影响算法的收敛性能.     

E-MS算法的收敛性

考虑E MS算法的收敛性. 首先, 给出观测广义信息准则(GIC)最小值点的必要条件； 其次, 在模型空间有限性、 参数空间紧性、 Q函数连续性的条件下, 证明E MS算法产生序列的极限点满足观测GIC最小值点的必要性, 是对E MS算法全局收敛性的补充； 再次, 给出满足该必要条件但不满足全局收敛条件高斯图模型的一个实例； 最后, 证明E MS算法的全局收敛性.     

E‐MS算法的收敛性

考虑E MS算法的收敛性. 首先, 给出观测广义信息准则(GIC)最小值点的必要条件； 其次, 在模型空间有限性、 参数空间紧性、 Q函数连续性的条件下, 证明E MS算法产生序列的极限点满足观测GIC最小值点的必要性, 是对E MS算法全局收敛性的补充； 再次, 给出满足该必要条件但不满足全局收敛条件高斯图模型的一个实例； 最后, 证明E MS算法的全局收敛性.     

各向异性外问题的并行Schwarz算法及其收敛性

对于无界区域各向异性常系数椭圆型偏微分方程,研究了一种并行Schwarz算法。在常数权因子下通过L ions的投影解释证明了其收敛性,在变权因子下改进了并行Schwarz算法,并分析了其收敛性。     

基于并行免疫遗传算法基因表达数据的动态模糊聚类

提出一种改进的并行免疫遗传算法, 通过在群体规模上引入“岛”的概念, 实现了可变的群体规模; 通过在适应度函数内引入免疫算子, 避免了算法过早收敛. 因此, 解决了寻优算法中局部收敛的困扰, 提高了获得全局最优解的几率. 把此算法应用于斯坦福大学酵母细胞周期表达数据库的数据进行共表达聚类, 并将实验结果与Spellman按照功能基因组学进行聚类所得结果进行了对比, 证明了所给算法在功能基因组 学聚类上的有效性.     

一种选取线性不适定问题正则化参数的迭代算法

考虑利用Tikhonov正则化方法求解线性不适定问题。基于吸收Morozov相容性原理,提出了一种新的选取正则化参数的迭代算法。该算法简单易实现且具有全局收敛性。给出了算法的收敛性分析,并通过数值算例说明了其数值有效性。     

解约束优化问题的一种信赖域方法

提出了一种解约束光滑优化问题的依赖域方法,并给出了算法的全局收敛性。     

仿射内点最优路径法解线性不等式约束的优化问题

提供了仿射内点回代技术的最优路径法解线性不等式约束的非线性优化问题，通过构造的最优路径得到搜索迭代方向，结合非单调内点回代线搜索技术获得可接受的步长因子，从而产生保证目标函数值非单调下降的严格内点可行迭代序列．基于最优路径的良好性质，证明了在合理的假设条件下，算法不仅具有整体收敛性而且保持超线性收敛速率．引入非单调技术能克服高度非线性的病态问题，加速收敛性进程，数值计算结果表明了算法的有效性．     

步长独立调整的LMS自适应滤波算法

本文提出了一种新的步长独立调整的 LMS 自适应滤波算法.我们由最优步长约束式入手,导出了此种算法的公式,分析了新算法的收敛及失调,证明了新算法收敛快、失调小。