解变分不等式的两种新的投影算法

运用Armijo型线性搜寻程序构造了一类新的超平面.借助这些超平面,运用不同的投影方式,建立了一类新的二次投影算法和自适性投影算法.在较弱的条件下,这些算法是全局收敛的.数值试验证明这些新算法是有效的.     

基于新拟牛顿方程的一类超线性收敛的改进BFGS算法

针对无约束最优化问题,在已建立的一类新拟牛顿方程的基础上,把满足于传统拟牛顿方程的一类改进BFGS算法推广到新拟牛顿方程,从而得到一类基于新拟牛顿方程的改进BFGS算法.证明该算法在目标函数为一致凸时具有局部超线性收敛性.     

投影算法的广义收敛性分析及在变分不等式中的应用

介绍了一类广义投影算法,将该算法运用于求解Hilbert空间中一类新的广义非线性变分不等式组的逼近解.结论推广和改善了文献中的诸多结论.     

关于完全广义强非线性拟补问题的迭代算法及收敛性分析

介绍了一类完全广义强非线性拟补问题,并建立了一类新的迭代算法.使用这种算法,证明了完全广义强非线性拟补问题的解的存在性及由这种算法产生的迭代序列的收敛性.本文的结果推广和改进了文献中的相应结论.     

一种非线性系统稳定性直接判据算法

基于李雅普诺夫(Lyapunov)稳定理论,提出一种直观的非线性系统的稳定性判据算法(简称DNSA),这种算法是建立在一类非线性动态系统的模型结构上.算例仿真验证了这种算法的正确性,该算法为一类非线性系统的设计提供了方便.     

一类新的自适应信赖域算法

提出了一类新的自适应信赖域算法.该算法利用相邻迭代点的实际下降量与预测下降量的比值加权和来衡量二次模型的近似程度,同时信赖域半径迭代准则采用由Λ-函数给出的一类自适应迭代准则.在一定假设的条件下,算法具有传统信赖域算法的全局收敛性.数值实验表明,算法是稳健和有效的.     

基于免疫的RBF网络在线学习算法研究

提出一种新的基于免疫的RBF网络在线算法.首先是融入增加结点策略和减少结点策略,把传统的免疫RBF网络算法改进成在线学习算法.其次是改进了权值学习算法,径向基函数相当于这一类的概率密度,隐层到输出层权值相当于这一类的值.用这种方法权值不需要训练.试验结果表明,该方法效果理想、速度快,识别率高.     

一类求解无约束优化的自适应拟牛顿型信赖域算法

提出一类求解无约束优化的自适应拟牛顿型信赖域算法,信赖域半径更新准则采用由L-函数给出的一类自适应更新准则,当前迭代点处的目标函数的二阶海森矩阵用某种拟牛顿型公式近似.在一定假设的条件下,算法具有传统信赖域算法的全局收敛性质.数值实验表明,对于求解无约束优化问题算法是有效的.     

中立型微分方程的数值渐近稳定性

针对中立型微分方程给出了一类数值算法,并得出了其算法新的渐近稳定性充要条件.数值实验表明该算法对于中立方程是有效的.     

一类光滑罚算法的全局收敛性

对约束优化问题给出了一类光滑罚函数,它是根据一类光滑逼近精确罚函数的光滑函数而提出来的,并基于这类罚函数给出了罚算法.在很弱的条件下,建立了光滑罚算法的一个摄动定理,由此定理得到该罚算法的全局收敛性.     

带有参数的Perry-Shanno无记忆拟牛顿方法的收敛性

分析了带有可调参数的Ｐｅｒｒｙ－Ｓｈａｎｎｏ无记忆拟牛顿方法的收敛性,证明了对于非凸目标函数,在非精确搜索条件下,参数在一定范围内,算法是收敛的。     

基于非单调线搜索的无记忆拟牛顿法的全局收敛性

文章就Perry_Shanno无记忆拟牛顿法在无约束最优化问题上,对采用非单调线搜索的情况下是否具有全局收敛性进行了研究.在目标函数为凸的条件下,证明了该算法的全局收敛性.     

解大稀疏最优化的Lanczos方法

解大稀疏最优化问题是最优化领域的一个重要课题。本文提出了解这类问题的一个Lanczos方法。这个方法从广义逆角度推导稀疏拟牛顿校正,并利用广义逆技术详细探讨了应用Lanczos方法解由稀疏拟牛顿法产生的线性系统的理由,从而得到了一种截断拟牛顿法。作者通过对Lanczos方法的分析,指出它实质上是某种经典Gram-Schmidt直交化方法,存在着严重的数值不稳定性,从而给出有别于选择直交化的简单再直交化。文章还给出了Lanczos方法和Moore-Penrose广义逆之间的关系。为了保证截断拟牛顿法的寻查方向是一个下降方向,作者对由Lanczos方法产生的三对角矩阵应用Bunch-Parlett分解,从而得到通常的拟牛顿方向,或者正曲率子空间下降方向,或者负曲率下降方向。最后,我们给出利用该方法得到的数值结果。     

拟牛顿法求解堆石坝结构非线性方程

探讨了求解堆石坝结构非线性方程的拟牛顿法，详细阐明了拟牛顿法在堆石坝结构分析中的实施过程，并编制了相应的三维非线性有限元分析程序，将拟牛顿法在中点增量法同时用于实例计算，表明拟牛顿法收敛速度较快且数值稳定性好，优越于中点增量法。     

求解非线性方程组的秩1反拟牛顿迭代法

给出了求解非线性方程组的秩１反拟牛顿迭代法，并证明了其在一定条件下收敛及具有超线性敛速或二阶敛速，且其每步的计算量少于著名的Ｂｒｏｙｄｅｎ秩１修正方法的计算量，计算实例表明，该方法是较有效的。     

改进的有限内存BFGS算法的二次终止性质

二次终止性质是一般拟牛顿法的一个重要性质，但为求解大规模优化问题而设计的有限内存拟牛顿法却不能都保持这种良好性质．为此，针对满足修正拟牛顿方程的有限内存BFGS方法加以研究，证明所提出的方法满足二次终止性质．这对于完善有限内存拟牛顿法的理论体系具有重要作用．     

无记忆M序列生成算法的密钥嵌入

给出了一大类距离函数，证明了该类中任何一种距离函数都能够无记忆快速生成M序列。在此基础上，进一步系统给出了无记忆M序列生成算法的密钥嵌入方式，从而基本解决了无记忆M序列生成算法的密钥嵌入问题。     

基于三阶拟牛顿方程的对角三阶拟牛顿法

基于三阶拟牛顿方程,结合Zhang H.C.提出的非单调线搜索规则设计了求解大规模无约束优化问题的对角三阶拟牛顿算法。该算法在每次迭代中利用对角矩阵逼近Hessen矩阵的逆,使存储量和计算量明显减少,并且证明了算法的全局收敛性和超线性收敛性。数值试验表明该算法是有效的。     

一种新的修正有限内存拟牛顿法

依据修正拟牛顿方程,提出一种新的双循环有限内存拟牛顿法.与经典的有限内存BFGS方法相比,新算法同时利用函数值和梯度信息构造拟牛顿校正矩阵,且不会增加计算量,理论分析和数值检验说明了新算法的有效性。     

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。