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.     

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。     

一类无约束优化问题的信赖域过滤器算法

构造了一个求解无约束优化问题的新算法,结合了采用修正BFGS(MBFGS)算法的信赖域思想和多维过滤器算法策略.搜索方向的产生类似于MBFGS算法;在接受新的迭代点时,采用多维过滤器算法的策略及信赖域思想,新信赖域算法是全局收敛的.     

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.     

一类基于非单调信赖域技术的信赖域修正算法

基于传统信赖域算法,为了解决约束最优化问题,利用非单调信赖域技术调整信赖域半径,矫正罚参数,提出了一种信赖域的修正算法,给出了收敛性证明.数值实验表明了算法的有效性.     

解线性约束优化问题的自适应-BFGS信赖域算法

针对线性约束优化问题,在每次迭代时充分利用当前迭代点及其一阶导数的信息自动生成一个信赖域半径,结合BFGS算法的优点,构造了线性约束优化问题的一种具有全局收敛性的自适应-BFGS算法.在一定条件下,给出了算法的全局收敛性的证明.     

一般非线性约束优化问题的信赖域法

通过引进松弛变量和极小化增广 Lagrange 函数的方法,将等式约束的非线性优化问题推广到不等式约束和一般约束的情形,同时将滤子技巧和信赖域法相结合,提出一种求解非线性约束优化问题的信赖域新算法,扩大了算法的适用范围,提高了算法的计算效率,并通过数值试验说明算法的有效性     

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.     

非线性等式约束优化问题的无惩罚型方法

对非线性等式约束优化问题的一类无惩罚型方法，在没有约束梯度线性独立的假设条件下，分析了在迭代点的可行性条件和目标函数同时改善时的性质，讨论了算法的全局收敛性。     

解无约束优化的非单调自适应信赖域算法

受文献[14]的启发,针对无约束优化问题提出了一个基于二次模型的非单调信赖域算法;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;在文献[14]减少一个假设条件的情况下,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。     

广义信赖域子问题的二阶锥重组技术

二次约束优化问题在非线性规划的研究中处于基础性地位,而广义信赖域子问题是二次约束优化问题中的一类非常重要并且应用广泛的问题.对于非凸的广义信赖域子问题来说,如果它与它的拉格朗日对偶问题之间存在着正的对偶间隙,那么该问题的全局最优解的求解就会变得困难起来.近年来,二阶锥重组技术在缩小和消除广义信赖域子问题的对偶间隙上取得了一系列重要成果,将对这些重要的结果进行回顾并对未来给出展望.     

极大极小优化问题信赖域算法的收敛性

对在最优控制、金融工程、经济管理等领域中具有广泛应用价值的一类非线性极大极小优化问题给出一种新的信赖域算法.在每次迭代中,算法只需求解标准的QP子问题,获取新的迭代点.另外,算法具有易于推广到线性约束的极大极小优化问题的特点.在较弱的假设下,分析了算法的收敛性.     

基于修正的拟牛顿法的基追踪去噪研究

为提高一维信号去除噪声的稀疏分解基追踪算法的效率,提出了采用修正的拟牛顿法来解决基追踪去噪过程中的无约束优化问题。该算法在传统拟牛顿法的基础上,对BFGS(Broyden-Fletcher-Goldfarb-Shanno)公式进行修正,有效地减少了最优化过程中所需的迭代次数。实验结果表明,修正的拟牛顿法与传统算法相比,能够明显提高目标函数的收敛速率。     

基于修正的拟牛顿法的基追踪去噪研究

为提高一维信号去除噪声的稀疏分解基追踪算法的效率,提出了采用修正的拟牛顿法来解决基追踪去噪过程中的无约束优化问题。该算法在传统拟牛顿法的基础上,对BFGS(Broyden-Fletcher-Goldfarb-Shanno)公式进行修正,有效地减少了最优化过程中所需的迭代次数。实验结果表明,修正的拟牛顿法与传统算法相比,能够明显提高目标函数的收敛速率。     

一类非单调自适应-BFGS信赖域算法

针对无约束优化问题,每次迭代充分利用当前迭代点及其一阶导数的信息自动生成一个信赖域半径,并结合BFGS算法的优点,构造了无约束优化问题的一种非单调自适应-BFGS算法.在一定条件下,给出了算法的全局收敛性以及具有超线性收敛速度的证明.     

求解信赖域子问题的一个光滑牛顿法

信赖域子问题的有效求解是实现信赖域算法的关键.利用光滑Fischer-Bermeister NCP函数提出了一个求解信赖域子问题的光滑牛顿法.数值实验表明所提出的算法是有效的.