一类非凸非光滑优化问题的近似uv-分解方法

uv-分解理论是侧重于非光滑函数的光滑信息来研究凸函数的二阶近似,从而得到凸优化问题有效算法的一种新方法.应用uv-分解理论研究一类非光滑优化问题,此问题作为许多随机优化问题的子问题,它的求解方法对处理随机优化问题有重要作用.将所研究的问题适当地转化为一类由两个非光滑函数的和的无约束优化问题,由于无法直接利用uv-分解理论,所以借助其中一个函数的光滑凸近似,得到了目标函数的近似函数.应用uv-分解理论给出该函数的U-lagrangian函数及其基本性质,目标函数的二阶近似,进而给出了求解原问题的近似uv-分解算法以及算法的收敛性证明.     

UV-分解在一类具有锥约束的lower-c2规划中的应用

在非光滑优化中,函数的二阶性质与展开的理论与应用方面的研究是倍受关注的课题.2000年Lemaréchal,Mifflin,Sagastizábal和Oustry等提出的UV-分解理论,给出了非光滑凸函数f在不可微点的二阶性质的新方法.UV-分解理论的基本思想是将Rn分解为2个正交的子空间U和V的直和,使得原函数在U空间上的一阶逼近是线性的,其不光滑特征集中于V空间中,借助于中间函数(U-Lagrange函数),得到函数在切于U空间的某个光滑轨道上的二阶展式.文中主要是将UV-分解理论推广到一类具有锥约束的非凸函数.使用罚函数的方法,讨论了该罚函数的UV-空间分解结构,并得到该罚函数在光滑轨道上的一阶、二阶性质及其展开式.     

一类非光滑优化问题的邻近交替方向法

非光滑优化问题在现实生活中有着广泛应用.针对一类带有结构特征为两个连续凸函数与具有Lipschitz梯度的二次可微函数的和的无约束非光滑非凸优化问题,给出了一种邻近交替方向法,称之为二次上界逼近算法.该算法结合交替方向法与邻近点算法的思想,将上述优化问题转化为平行的子问题.在求解子问题的过程中,对目标函数中的光滑部分线性化,此时子问题被转化为凸优化问题.然后分别对两个凸优化子问题交替利用邻近点算法求解.基于以上思想,首先我们给出算法的伪代码,然后建立了算法收敛性的充分条件,最后证明在该条件下,算法产生迭代序列的每个极限点是原问题的临界点.     

近似非精确加速迫近梯度方法求解一类最大特征值函数极小化问题

非精确加速迫近梯度(IAPG)算法,用于解决问题min{F(X)=f(X)+g(X):X∈Sn},其中函数f:Sn→R是连续可微的,且▽f是Lipschitz连续的,函数f,g均是正常的,下半连续凸函数(可能非光滑).利用近似IAPG算法借助于非光滑函数的光滑近似,解决非光滑函数中最大特征值函数与一般非光滑函数g(x)的和的极小化问题,得出近似IAPG算法,并给出了收敛性分析.将近似IAPG算法用于求解带有线性约束的最大特征值函数的优化问题.     

一类非凸D．C．约束优化问题的UV-分解理论

UV-分解理论是近年来解决非光滑凸函数的二阶近似的一种有效的方法,并应用于解决非光滑凸函数的最优化问题。主要应用UV-分解理论对于一类D．C．函数的约束优化问题进行研究,借助于近似次微分的概念,得到类似的UV-空间分解,以及空间分解下的相应U—Lagrange函数与其最优解集W（u）的相关性质和二阶近似的结果。     

二阶锥权互补问题的非单调非精确光滑牛顿法

【目的】将权互补问题引入到二阶锥上,研究二阶锥权互补问题。【方法】基于一个新的带参数的光滑函数,将二阶锥权互补问题转化为一组带参数的非线性方程组,并采用非单调非精确光滑牛顿法进行求解。【结果】在每次迭代中,该算法只需近似地求解一个非线性方程组且只需进行一次非单调线搜索。在适当假设下,证明该算法具有全局和局部二阶收敛性质。【结论】数值结果表明算法的有效性。
     

最大值函数的UV-算法

UV-分解算法是一种求解非光滑凸函数优化问题的新算法，其借助于次微分而得到的分解理论及函数的二阶近似，并在迭代点的选取中，利用Bundle子程序而得到的一种原始对偶方法．对最大值函数优化问题中如何应用UV-分解算法．并在Bundle子程序中如何去选取迭代信息．从而使算法有更好的收敛效果．     

线性圆锥互补问题的非单调非精确光滑牛顿法

给出求解圆锥互补问题的一种新的非单调非精确光滑牛顿法.基于一个圆锥互补函数的光滑函数,将线性圆锥互补问题转化成一个方程组,然后用非精确光滑牛顿法求解该方程组,并且在新算法中引入一个新的非单调线搜索技术.在适当假设下,证明该算法具有全局收敛性和局部二阶收敛速度.数值结果表明算法的有效性.     

基因算法在求解非光滑优化问题中的应用 (三峡地区资源环境生态研究)

本文考虑了基因算法在求解非光滑优化问题中的应用。非光滑优化方法致力于求解目标函数为连续不可微函数的数学规划问题。因为目标函数的不可微性,传统的以梯度为基础的确定性算法在求解非光滑问题时会遇到障碍,所以运用不需要梯度信息而只需要目标函数值信息的遗传算法来求解非光滑问题是一个不错的选择。遗传算法是基于自然界生物遗传变异过程而设计的一种优化算法,它首先对问题的可行解进行编码,编码方法有0-1编码,格雷编码和实数编码,然后运用交叉算子,变异算子和选择算子产生下一代种群。当种群迭代达到一定的次数后,种群中的最优染色体就会收敛到原问题的最优解。本文设计的基因算法基于实数编码,算子分别采用算术交叉算子,非一致变异算子,最佳选择算子。     

求解微分方程y″+py′+qy=f(x)的注记

利用函数组线性相关性、微分方程降阶积分法和二阶微分方程解的结构性质,对二阶常系数非齐次线性微分方程求解问题作了进一步分析讨论,给出了求其通解的一种适用且有效的新方法.     

一类联合最大特征值函数优化问题

非光滑凸优化问题是运筹学的一类重要问题.束方法作为解决非光滑凸优化问题最有效的方法之一,已经被广泛地应用于各个领域.运用束方法对最大特征值函数与一般非光滑凸函数之和的优化问题进行研究.首先,对目标函数进行近似;其次,给出求解此类优化问题的带有罚项的束方法算法;最后,通过收敛性分析证明了算法产生的序列会收敛到原问题的最优解.     

线性二阶锥权互补问题的非精确非单调光滑化牛顿法

针对线性二阶锥权互补问题, 提出一种新的非精确非单调光滑化牛顿法. 首先, 基于新的含参数光滑函数, 将线性二阶锥权互补问题转化为一个光滑方程组; 然后, 给出求解该方程组的新非精确非单调光滑化牛顿法; 最后, 在半正定矩阵假设下, 证明该算法全局收敛和局部超线性收敛. 数值结果表明, 该算法稳定、 有效.     

一种解可分凸优化问题的外梯度并行分裂算法

并行分裂法是求解两个可分离变量线性约束凸优化问题的重要方法,该方法通常要求两个凸函数有邻近映射,对于其中一个函数具有邻近映射,另一个函数光滑但不具有邻近映射的情况,此处提出了一种基于并行分裂的外梯度算法,并在假设光滑函数梯度Lipschitz连续条件下证明了该算法的O(1/ε)迭代复杂度。     

利用再分配迫近束方法确定非光滑非凸函数的光滑子结构

由有限多个lower-C2函数定义的非光滑函数f,具有与UV空间分解有关的原始对偶梯度结构.这种结构使得f存在光滑区域.在某种假设下,这个光滑区域可由f的迫近点映射确定.主要研究如何利用非凸函数的再分配迫近束方法计算f的迫近点,从而确定非光滑非凸函数f的光滑区域.     

一类非光滑广义凸函数的数值解法

讨论一类非光滑广义凸函数（即：一个可微严格拟凸函数加上一个凸函数）的全局优化算法问题.通过引入广义梯度,给出下降方向和终止条件,提出一种算法,并且证明了这种算法是全局收敛的.     

Group Lasso正则化问题的邻近梯度算法的线性收敛性

研究一类目标函数是光滑凸函数与Group Lasso正则项和的优化问题。利用不动点迭代理论分析了邻近梯度算法的全局收敛性和有限收敛性。特别地,在不要求光滑凸函数为严格凸函数的条件下建立了邻近梯度法的线性收敛性。     

求解微分方程Y″＋ρy′＋qy=f（x）的注记

利用函数组线性相关性、微分方程降阶积分法和二阶微分方程解的结构性质，对二阶常系数非齐次线性微分方程求解问题作了进一步分析讨论，给出了求其通解的一种适用且有效的新方法．     

求解随机二阶锥线性互补问题的一种光滑化SAA方法

研究了随机二阶锥线性互补问题的收敛性问题并基于收敛性分析进行了数值实验.文章利用Chen-Harker-Kanzow-Smale(CHKS)光滑函数和SAA方法,提出了求解随机二阶锥线性互补问题的光滑化SAA方法.基于P性质,建立了收敛性分析,然后通过数值实验验证了算法的有效性.     

求解非光滑问题的一种修正LS共轭梯度算法

针对非光滑无约束凸函数的极小化问题,提出改进的LS共轭梯度算法。其产生的搜索方向不仅具有充分下降性和信赖域的特点,而且算法在适当条件下具有全局收敛性。数值结果证明了该算法对于非光滑问题是有效的,从而改进的LS共轭梯度算法能够高效快捷地处理非光滑无约束凸函数的极小化问题。     

极小化r个最大函数和的二阶光滑化方法

已给m个定义在n维欧几里徳空间的函数,在这m个函数中求r个最大值函数和的最小值,其中1≤r≤m.这个问题在定位分析领域有重要的应用.显然该问题是非光滑最优化问题,不能直接用牛顿法或拟牛顿法来求解.该问题转化为只包含最大值函数max{0,t}的非光滑问题,对该非光滑问题提出一种具有全局收敛的二阶光滑化算法.