一类新拟牛顿方程的非单调信赖域算法

利用新拟牛顿方程及其修改BFGS校正公式,将非单调Wolfe线搜索技术与信赖域相结合,提出了一类拟牛顿非单调信赖域算法。在较弱的条件下,证明了此算法的全局收敛性。数值结果表明该算法是有效的。     

锥模型的拟牛顿型信赖域方法

对于求解无约束优化问题的锥模型拟牛顿型信赖域方法，本主要讨论了水平向量的选取及最优参数的确定，并给出了数值试验结果。结果表明，该算法比二次模型有效，比[2]中水平向量的取法也有效。     

基于修正拟牛顿方程解非线性方程组问题的非单调自适应信赖域算法

基于修正拟牛顿方程,结合一种新的非单调策略,设计了一种新的解非线性方程组问题的非单调自适应信赖域算法,分析了算法的全局收敛性.进一步的数值实验表明算法是有效的,并且适于求解大规模问题.     

一类新的求解约束优化问题的锥模型信赖域算法

本文提出了一类新的求解线性等式约束优化问题的锥模型信赖域算法.不同于以往的求解约束问题的锥模型信赖域算法,无论试探步是否被接受,我们在每步都采用Wolfe线搜索得到下一个迭代点,避免了重解子问题,并且保证了序列{Bk}满足拟牛顿方程及其正定性.在适当条件下,证明了算法的全局收敛性,数值试验表明该算法是有效的.     

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.     

基于信赖域技术和修正拟牛顿方程的非单调超记忆梯度算法

基于信赖域技术和修正拟牛顿方程,结合Neng-Zhu Gu非单调策略,设计新的求解无约束最优化问题的非单调超记忆梯度算法,分析算法的收敛性和收敛速度。新算法每次迭代节约了矩阵的存储量和计算量,算法稳定,适于求解大规模问题。数值试验结果表明新算法是有效的。     

基于锥模型的非单调自适应信赖域算法

基于锥模型,结合提出的新的自适应技术,建立了一个求解无约束最优化问题的非单调自适应信赖域算法.当试探步不被接受时,采用非单调线搜索,减少了计算量.充分利用包含当前迭代点信息的新的自适应策略调节信赖域半径.在适当的条件下,证明了算法的全局收敛性和Q-二阶收敛性.数值试验表明该算法是有效的.     

关于非单调拟牛顿算法的一个改进

对于无约束优化问题提出了一类新的非单调拟牛顿算法.该算法在修正的拟牛顿方程基础上添加参数,从而推广了已有的拟牛顿方程.采用非单调线性搜索准则,并在一定条件下证明了新的非单调拟牛顿算法具有全局收敛性.     

一类解非线性方程的非单调信赖域的牛顿算法

提出了一类解非线性方程的非单调信赖域的牛顿算法。证明了此方法的全局收敛性,并给出了它在一定条件下的超线性收敛的结果。     

一种非单调自适应新锥模型信赖域算法

对无约束优化问题提出一种非单调自适应新锥模型信赖域算法。该算法在每次迭代过程中都能充分利用以前迭代点的二次信息和水平向量信息自动产生一个信赖域半径。证明了新算法的收敛性,并用数值实验证明新算法有望解决大规模优化问题。