解变分不等式的超梯度Mann迭代算法

介绍了关于变分不等式近似解的一种新的超梯度迭代算法.该算法在迭代过程中使用了Mann迭代,规定了一个较优的搜寻步长,并且选择了与以往投影算法所不同的搜寻方向.同时证明了所构造的算法生成的迭代序列在广义单调条件下是全局收敛的.     

Sylvester矩阵方程的改进IO迭代算法

通过对Sylvester矩阵方程的理论分析,可知IO迭代算法中迭代矩阵的谱半径随内迭代次数的增大而减小,更新了IO迭代算法中内迭代次数的选择方法,并证明了该算法收敛性与初始矩阵无关。Sylvester矩阵在满足一些特定条件下,为了进一步提高收敛速度,可通过选择适当的相关参数,使得IO迭代算法有较好的收敛速度且比Smith算法的迭代次数明显减少。     

非线性互补问题的改进超松弛迭代算法

运用松弛迭代算法与矩阵分裂理论,提出了求解非线性互补问题的改进超松弛迭代算法.这类算法设计了两个参数:第一个参数控制了迭代阵的谱半径,从而使算法收敛,适当选取第二个参数,加快了算法的收敛速度.在一定条件下证明了算法的全局收敛性.     

捷联惯导系统初始对准中IUPF的应用与设计

针对大失准角条件下捷联惯导系统误差模型的非线性引起的初始对准误差问题,引入了粒子滤波技术.首先,利用加性四元数误差建立了大失准角条件下的系统误差模型.然后,将无迹变换算法和迭代算法引入粒子滤波方法中,提出了迭代无迹粒子滤波算法.并且,为了解决迭代无迹粒子滤波算法中由于粒子数量所导致的算法精度和算法实时性的矛盾,采用采样重要性重采样的方法对迭代无迹粒子滤波算法进行修正,提出了一种既具有迭代无迹粒子滤波精度又计算量较小的新的非线性滤波算法.最后,进行了半物理仿真和数字仿真,比较了经典粒子滤波、无迹粒子滤波和修正后的迭代无迹粒子滤波等多种方案的滤波效果.仿真结果表明,在大失准角条件下,采用修正后的迭代无迹粒子滤波方法可以有效提高初始对准精度和算法的实时性.     

增生算子零点的迭代逼近

引入一种新的粘滞迭代算法,在Banach空间中研究了增生算子零点的迭代逼近问题,在一定条件下证明了这种新的粘滞迭代算法强收敛到增生算子的一个零点,推广和改进了相关结果.     

空间耦合LDPC码的深度迭代译码算法设计

空间耦合LDPC码因其在次最优迭代译码算法下能够达到最大后验概率译码性能而引起广泛关注。但其优异的阈值特性需要在码长很长时才能实现,当采用传统的迭代译码算法时,实现的复杂度将以指数增加,无法应用。为了有效降低传统迭代译码算法的复杂度,本文结合深度学习技术提出了一种空间耦合LDPC码的深度迭代译码算法。通过在消息传递过程中引入权重系数并采用深度神经网络对其进行训练获取权重系数,以此优化消息的可靠性度量值,从而提升译码收敛速度,降低译码复杂度。仿真结果表明,所提出的深度迭代译码算法可以以较少的迭代次数达到与传统迭代译码算法在较多迭代次数下的译码性能。     

一般变分不等式的三步迭代算法

利用变分不等式和不动点问题的等价关系,给出了一个新的求解一般变分不等式的三步迭代算法;该算法在现有的两步迭代算法基础上,利用校正方法建立了第三步迭代公式;最后在适当条件下证明了该算法的收敛性,所得结论推广了该领域内的一些最新结果.     

耦合Sylvester矩阵方程的改进的梯度迭代算法

本文通过构造矩阵分裂,结合线性系统的迭代方法,提出了求解耦合Sylvester矩阵方程的两种梯度迭代算法,并研究了这两种算法在满足初始迭代条件下的收敛性.最后给出数值算例验证了这两种算法的有效性.     

极值分布右截尾线性回归模型参数的极大似然估计

本文对右截尾数据的线性回归模型,在误差服从极值分布条件下,先给出其参数极大似然估计的一般迭代算法,然后证明了尺度参数为常数时EM算法与该一般迭代算法的一致性,保证了迭代的收敛.     

LDPC码在二进制对称信道下的性能分析

低密度校验码(LDPC)是一类线性分组纠错码,和积传递算法是LDPC码迭代译码算法中的常用算法.在此基础上研究了二进制对称信道(BSC)下LDPC码的消息传递迭代译码算法,对其误码特性进行了仿真,并用密度进化方法仿真了校验节点、变量节点的概率密度在迭代过程中的收敛情况.结果表明在给定的信道门限下LDPC码具有良好的纠错性能.     

非单调QP-free非可行域方法

提出了带有Fischer-Burmeister非线性互补(NCP)数的非单调QP-free非可行域算法.根据优化问题的一阶KKT条件,利用乘子和NCP函数,得到非光滑方程,给出解这个非光滑方程的迭代算法.该算法包含原始-对偶变量,在局部意义下,可看成关于一阶KKT最优条件的扰动牛顿-拟牛顿迭代算法.在线性搜索时,此算法采用非单调方法.给出的算法是可实现的并具有全局收敛性,且在适当假设下具有超线性收敛性.     

线搜索算法映射的初步探讨

本文对线搜索算法映射进行了探讨。给出了线搜索算法的一般模型,并引入一种控制函数,借以产生一类新的非精确线搜索算法。最后讨论了带此线搜索的下降迭代法的收敛性问题。     

有界约束非线性方程组的仿射内点法

本文给出了解决带变量有界约束的非线性方程组问题的仿射内点法,此方法将内点牛顿类方向与线性搜索相结合,它拓展了不精确牛顿法。方法使用了仿射技巧,其搜索方向采用不精确牛顿步,并用内点回代技巧和线性搜索技术保证迭代点严格可行和目标函数的下降量。文章给出了算法的整体收敛性和局部超线性收敛性的分析与证明。     

在Armijo型线搜索下LS方法的全局收敛性

提出一种新的Armijo型线搜索，并证明了在此搜索下LS方法的全局收敛性。新Armijo型线搜索能够使LS方法找到合适的初始步长，从而使LS方法更好的运行。数值试验表明在新Armijo型线搜索下的LS方法是有效的。     

带有一般线性搜索的L—BFGS算法的收敛性

提出一般非精确线性搜索模型,将其用于Ｌ－ＢＦＧＳ算法,得到一种新的Ｌ－ＢＦＧＳ算法,在适当条件下,证明了此新算法整体收敛。     

一类新的下降算法及其全局收敛性

研究给出了一类新的求解无约束优化问题的下降算法.在无任何线搜索下,证明了新算法能够保证充分下降性,并且在采用Wolfe线搜索时,证明了新算法具有全局收敛性.大量的数值试验表明该算法是非常有效的,能够用于广泛的科学计算.     

一种Armijo搜索下的谱共轭梯度法

基于文献[6]中的βkb的构造方法,提出了一种新的谱共轭梯度法,证明了该方法不依赖于任何线搜索具有充分下降性,在Armijo线搜索下证明了算法具有全局收敛性.数值试验结果表明：在Armijo线搜索下,该方法明显优于SFRA、SPRPA算法.     

一种改进的DY-型共轭梯度法的全局收敛性

利用张秀军等人提出的一种新型线搜索条件对新的DY-型共轭梯度法进行了研究.根据这一新型线搜索条件,提出了一个求解非线性无约束优化问题的算法,并证明了算法的全局收敛性.     

等式约束下的共轭梯度算法

为了寻找求解大规模无约束非线性优化问题的一种有效方法,提出了一种等式约束下新的共轭梯度算法,该算法利用广义消去法将约束优化问题转化为无约束优化问题.并证明了该算法具有全局收敛性,同时还证明了该算法在强wolfe线搜索下具有充分下降性.     

求解线性规划的单纯形方法与折线搜索技术

本文给出了一个求解线性规划的折线搜索法,该方法是在单纯形方法中增加了折线搜索技术。新方法能够减少迭代次数,也能消除已有的指数算例。