解无约束最优化问题的一个非单调BFGS信赖域算法

在文[19]的基础上，给出了一个解无约束最优化问题的非单调BFGS校正的信赖域算法，此算法具有较好的性质，所给的BFGS校正的具有二次约束的信赖域子问题总保证是严格凸二次规划，在适当的条件下此算法具有全局收敛性和Q-二次收敛性。     

一个修改的BFGS信赖域算法

给出一个修改的BFGS校正信赖域算法,并分析其收敛性.该算法能够保持校正矩阵正定和收敛速度是二次的.     

一个新的BFGS信赖域算法

给出能够保持校正矩阵是正定的新的BFGS信赖域算法,以及该算法的全局收敛性和其二次收敛速度．     

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。     

一个修改的非单调BFGS信赖域方法

在MBFGS方法以及一种非单调的搜索技术的基础上,提出了一种非单调BFGS信赖域方法.相对于单调的BFGS信赖域方法而言,该算法采用了非单调技术,使得信赖域子问题的求解更加容易.此外,在一定的假设条件下,证明了算法的全局收敛性.进一步的数值实验验证了算法的有效性.     

一个修改的非单调BFGS信赖域方法

在MBFGS方法以及一种非单调的搜索技术的基础上,提出了一种非单调BFGS信赖域方法.相对于单调的BFGS信赖域方法而言,该算法采用了非单调技术,使得信赖域子问题的求解更加容易.此外,在一定的假设条件下,证明了算法的全局收敛性.进一步的数值实验验证了算法的有效性.     

伪牛顿信赖域算法及其收敛性

本文提出了一类新的求解无约束最优化问题的信赖域算法.新算法将Goldstein线搜索技术与信赖域方法相结合,并通过伪Newdon-δ族校正公式计算信赖域子问题中的Bk,使算法不仅不需重解子问题,而且每步迭代都满足弱拟牛顿方程,保证了目标函数的近似Hesse阵Bk的正定性.在适当的条件下,证明了此算法的全局收敛性和Q-二...     

非线性不等式约束优化问题的一个修正BFGS信赖域算法

将一个无约束优化问题的修正BFGS信赖域算法成功地应用于不等式约束优化问题。通过修正BFGS公式构造了新的信赖域子问题,从而得到不等式约束优化问题的修正BFGS信赖域算法,并在一定条件下证明了其可行性。     

一个非单调BFGS信赖域算法

将新的BFGS校正公式Bk 1=Bk yk*y*k TsTkyk*-BksksTkBkskTBksk,与文献[16]中的算法相结合给出一个非单调BFGS校正的信赖域算法.该算法在假设条件:(i)存在常数c1,c2,c3,使得对所有的Δk>0,gk∈Rn,对称正定阵Bk∈Rn×n,有p redk≥c1 gk m in{Δk,c2 gk,c3 gk/Bk};(ii)若B-k 1≤Δk,则dk=-B-k 1gk;(iii)f(x)是二次连续可微函数,2f(xk)是L ip sch itz连续,水平集(x0)有界下,具有全局收敛性和Q-二次收敛性.     

非线性一般约束优化问题的修正BFGS信赖域算法

先通过罚函数法将一般约束优化问题在一定条件下转化为无约束优化问题,再利用无约束优化问题的修正BFGS信赖域算法,进而得到一般约束优化问题的修正BFGS信赖域算法,并通过数值试验表明该算法是有效的.     

极大单调算子不精确邻近点算法的一种新的近似准则

对于寻找极大单调算子的零点，邻近点算法(PPA)是一种重要方法．邻近点算法通过解一系列强单调的子问题产生一个序列．然而精确地解子问题太昂贵有时也不可能，在许多献里讨论了不精确邻近点算法(IPPA)．本提出了一种近似解子问题的一种新的准则，这种准则的条件比已有的准则的条件要弱，证明了这种算法在新的准则下的全局收敛性．     

基于特征线理论的算子分裂算法综述

文中论述了基于特征线理论的算子分裂算法的研究进展,从偏微分方程特征线理论及算子分裂算法出发,构建了其理论框架,对于CBS算法的基本方程,文中给出了推导过程,并编制了相应的三维计算程序,通过数值算例进一步验证了这一算法的有效性和准确性.     

优化ABR业务中拥塞控制的一种新算法

提出了一种新的ABR业务中拥 塞控制的算法，该算法是由粗略调整方式RAM和精确调整方式DAM组成，其优点是可以同时提供快速响应和稳定收敛的特性。仿真结果表明了该算法的有效性。     

改进的进化规划算法

针对一般的非线性规划问题,把聚类思想、Hooke—Jeeves方法与进化规划算法结合起来给出了改进的进化规划算法,并把给出的算法应用到两个数值例子上,数值结果表明算法是有效的。     

投影信赖域最优路径内点算法解有界变量的约束优化问题

基于最优路径(optimal path),提供一种投影信赖域内点算法解有界变量的线性等式约束优化．在合理的条件下,证明了所提供的算法不仅具有整体收敛性并且保持局部超线性收敛速率．数值计算结果表明了算法的有效性．     

多维尺度分析中的算法研究

提出一种新的多维尺度分析算法。该算法是对 Ｋｒｕｓｋａｌ算法进行了实质性的修改而获得的，从而在理论上首次证明了算法的收敛性。所做的数值实验表明文中所提出的算法仍具有良好的实际计算效果。     

凸规划的内椭球法与原始-对偶仿射尺度算法

对线性约束的凸规划问题给出了一个原始-对偶仿射尺度算法，比较了这种方法与“内椭球法”两种算法的关系，并证明了该算法的迭代复杂性是O(nL^2)。     

一种前馈网络的新型混合算法

提出了一种针对前馈神经网络的混合算法,该算法将最速下降法与共轭梯度法相结合,有效地改善了传统BP算法收敛速度慢、可能陷入局部极小等缺点。两个仿真结果表明,该算法是有效的。     

含参数形式的鞍点问题SOR-LIKE求解方法

在求解鞍点问题的迭代方法SOR-LIKE算法中,通过引入参数构造出系数矩阵的一般化分裂算法,运用矩阵理论分析该算法的收敛性,并用数值实验来检验迭代法的收敛性.     

子群循环法——一种计算一维DFT的新方法

本文讨论了一种适合于并行处理的DFT算法——子群循环法,研究了它的序列重排问题以及算法的改进,给出了N为素数及复合数时的一组序列宣排公式,完善了子群循环法,并提出了一种将伪麦森变换与子群循环相结合的混合算法,减少了运算量,适合于在硬件上实现。