一个基于锥模型的自适应信赖域算法

对无约束优化问题提出了基于锥模型的自适应信赖域算法,把锥模型子问题变成二次模型的子问题进行求解,从而减少信赖域子问题的求解,二次模型的信赖域算法是新算法的特例。在适当的条件下,证明了算法的全局收敛性及超线性收敛——数值试验表明新算法是有效的。     

基于锥模型的自适应信赖域算法

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自适应信赖域算法,并在适当的条件下,证明了算法的全局收敛性和Q二阶收敛性.     

广义非线性互补问题的自适应信赖域方法

给出了一个求解广义非线性互补问题的自适应信赖域方法.在局部误差界的假设条件下,证明了算法具有全局收敛性和Q-二阶收敛性.     

非线性等式约束优化的信赖域算法

提出了求解一般非线性等式约束优化的信赖域算法。运用了不同方法在信赖域内求解原优化问题的二次近似模型的解,通过收敛性分析,获得了算法的整体及局部超线性收敛等结果,并给出了算法的执行细节。     

求解非线性方程组问题的自适应信赖域方法

提出一种新的求解非线性方程组问题的自适应信赖域方法.这个新的方法与同类算法相比,信赖域半径更容易计算,节省了计算工作量.此文还给出了算法在一定的条件下具有全局收敛性和Q-二阶收敛速度.给出的自适应信赖域方法与传统的信赖域方法相比信赖域半径可根据当前迭代点的信息自动调节产生,在实际应用中更容易实现.     

一个新的锥模型自适应信赖域算法

对无约束最优化问题提出了一类锥模型自适应信赖域算法.信赖域半径的修正采用一个新的自适应调节策略.算法在每步迭代中以当前迭代点的信息以及水平向量信息来调节信赖域半径的大小.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,并且给出了相应的数值结果.     

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.     

一个自动确定信赖域半径的锥模型信赖域方法

自适应信赖域算法由于利用了对算法有重大影响的有关当前迭代点的信息,提高了算法的效率,因此对于无约束最优化问题提出一个锥模型自适应信赖域算法.算法中信赖域半径采用新的自适应修正策略.算法在每步迭代中以R-函数变化的速率、水平向量信息以及当前迭代点的一阶导数信息来修正信赖域半径的大小,使得信赖域半径的修正依据于问题本身,克服传统信赖域算法中没有利用当前迭代点的信息修正信赖域半径的缺点.在一定的条件下简洁地给出了算法的全局收敛性分析.算法丰富了已有的自适应信赖域算法.     

无约束优化问题的锥模型回溯过滤信赖域算法

基于锥模型信赖域框架,结合多维滤子集技巧,提出一个求解无约束优化问题的回溯过滤信赖域算法,锥模型比二次模型更一般,其信赖域模型是它的一个特例.而且对比于一般的二次模型,更多地利用了每一个迭代点的信息.本文在通常的假设条件下,分析了算法的全局收敛性.     

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.     

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.     

解无约束优化问题的一个新的非单调信赖域算法

在传统信赖域方法的基础上,提出了求解无约束最优化问题的一个新的带非单调线搜索的信赖域算法.该算法采用非单调Wolfe线搜索技术获得迭代步长,新算法在每一迭代步只需求解一次信赖域子问题,克服了每次迭代求解信赖域子问题时计算量较大的缺点.在一定条件下,证明了算法的全局收敛性.数值实验结果表明该算法是有效的.     

线性不等式约束优化问题的强信赖域算法

对一类带有非负边界约束的线性不等式约束优化问题进行了研究,提出了一种新的信赖域算法.该算法在内点法的基础上,把非负边界约束从一般的不等式约束中分离出来,化为信赖域约束的一部分,得到一个简单易解的子问题.在一定的条件下证明了该算法具有强收敛性,并给出了数值结果.     

带有固定步长的非单调信赖域方法

该文提出一种新的非单调信赖域方法．当试探步不能被接受时，算法沿着试探步的方向求得下一个迭代点，其中步长利用固定公式计算．这种方法既避免了重复求解信赖域子问题，又减少了线搜索方法计算函数值的次数．该文采用的非单调策略是基于张洪超和Hanger（2004）出的非单调线搜索技术．在适当的条件下，证明了算法的全局收敛性及超线性收敛性．最后给出了初步的数值实验结果．     

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...     

一个新的拟牛顿信赖域方法

提出求解无约束优化问题的一个修正拟牛顿信赖域方法。算法可以保持信赖域子问题海森矩阵的正定性。在适当条件下,证明了算法的全局收敛性,并通过数值实验说明了算法的可行性。     

变分不等式问题带非负约束转化的一类信赖域法

针对变分不等式的带非负约束的转化形式给出了一类信赖域迭代算法。该方法的特点是通过利用内点技术。将带非负约束的信赖域子问题转化为无约束形式的信赖域子问题。从而可以利用截断共轭梯度法来近似求解。     

求解一类变分不等式问题的内点信赖域方法

针对变分不等式的带非负约束的转化形式给出了一类信赖域迭代算法．该方法的特点是通过利用内点技术，将带非负约束的信赖子问题转化成约束形式的信赖域子问题，从而可以利用截断共轭梯度法来近似求解．