随机增广Lagrange变分不等式的一种求解方法

利用变分不等式求解优化问题是一种有效且便利的方法.而随机变分不等式和增广Lagrange变分不等式的概念最近以一种新的形式被阐述,在凸性条件下求解这类问题通常用的方法是逐步对冲算法和分解算法.对于随机优化问题,提出随机增广Lagrange变分不等式.在凸凹鞍点问题中,由随机分解算法求解这类问题.     

求解混合似变分不等式的一个四步迭代算法

研究了经典变分不等式的一种重要推广形式,即混合似变分不等式;利用混合似变分不等式与不动点问题和预解方程这一等价关系,提出了一个求解混合似变分不等式的四步迭代算法;证明了该算法在算子T伪单调连续的条件下收敛;结果推广和改进了先前的求解变分不等式算法.     

广义变分不等式的间隙函数

利用变分不等式的间隙函数,可以将一个变分不等式问题转化为一个最优化问题.然后再利用优化问题已知的技巧、算法和理论结果找到变分不等式问题的解.文章研究了几类广义变分不等式的间隙函数.     

广义混合变分不等式的weak-sharp解及算法的有限收敛

提出广义混合变分不等式问题的解集满足的weak-sharp条件,并通过约束集的支撑函数的一些性质,获得weak-sharp条件的等价刻画.在广义混合变分不等式问题的解集满足weak-sharp条件之下,还获得任意迭代算法有限收敛的等价条件,其中有限收敛指算法在有限次迭代后,得到广义混合变分不等式问题的精确解.最后,以广义混合变分不等式问题的超投影近似点算法为特例,在一定的条件下,获得该算法的有限收敛性.     

二次投影算法的扰动分析

变分不等式问题已引起国内外学者和专家的广泛关注,求解变分不等式问题的算法也很多,其中,投影算法构造简洁且被研究变分不等式算法的学者深入而细致地讨论.二次投影算法是近年来针对变分不等式提出的一类新的非常有效的投影算法.对于求解变分不等式的投影算法,投影运算非常重要.因为实际计算时,投影运算常常不能精确求解,所以有必要研究这种不精确是否影响算法的收敛性.讨论二次投影算法中关键的投影运算非精确求解时的情况,证明了扰动后的二次投影算法有意义且所产生的序列仍然收敛到变分不等式的解.     

求解一类非凸变分不等式的近似点算法

介绍和考虑了一类新的非凸变分不等式,这类变分不等式包括了一些已知的和新的非凸变分不等式作为特例.利用一致r-近似正规集的概念,建立了这类变分不等式和不动点问题的等价关系.利用该等价关系,给出了一个求解此类非凸变分不等式的近似点算法,并证明了该算法在适当的条件下收敛.     

基于投影收缩的SA方法求解随机变分不等式问题

求解变分不等式的各种算法中,投影收缩算法易于执行、稳健、而且可以处理大规模问题,因此发展迅速.何炳生教授根据变分不等式及投影算子的性质确定的三个不等式,提出了求解变分不等式的投影收缩算法,此方法简单易行,且便于实现.用随机近似方法来求解随机变分不等式和随机优化问题已经被广泛的研究,其中函数值和一阶导数不可求,但可以用近似的方法得到.将投影收缩算法应用到求解随机变分不等式当中,在一些适当的条件下,可得到全局收敛的结果.     

Hilbert空间中变分不等式组的两步投影算法

变分不等式解的迭代算法是变分不等式理论的重要内容之一,而投影方法是研究变分不等式解的迭代算法的重要方法,已经有着广泛的研究和应用.主要研究Hilbert空间中变分不等式组的近似解问题,给出了变分不等式组解的两步投影算法,在映象T松弛-(γ,r)-余强制的假设条件下,证明了两步投影算法所产生的迭代序列收敛于变分不等式组的解.所获得的结果推广和改进了文献中的一些主要结果.     

一类变分不等式问题的区域分解法

考虑第二类变分不等式离散问题的区域分解法.将变分不等式问题转化为等价的优化问题,针对该优化问题,给出了加性区域分解算法,最后证明了算法的收敛性.     

变分不等式问题的法方程解法

研究了变分不等式问题的法方程解法 .在一般可行集下 ,结合非光滑方程组解法及投影映射的性质 ,讨论了法方程求解变分不等式问题的算法构成 .结果表明 ,在变分问题解x 处 ,法方程FX(x)强BD 正则 ,算法局部收敛