二次半定规划问题的改进投影收缩算法

针对求解二次半定规划问题时收敛速度缓慢,且由于二次半定规划的对偶问题的最优条件与变分不等式的投影方程等价,则可将原问题转化为求解变分不等式问题.从一个新的角度提出了求解变分不等式问题的投影收缩算法,进而解决了该二次半定规划问题.该算法通过引入一个辅助方向来进行改进,利用两次投影的方法降低了对算子的要求,进而达到更好的收敛效果.并在算子单调的条件下给出了算法的收敛性分析和证明.     

求解带球约束的变分不等式问题的二次外梯度投影算法

二次外梯度投影算法是求解变分不等式问题的一种重要算法 .在这种算法中 ,每迭代一次需要计算两次投影 :第一次为到可行域上的投影 ,第二次为到可行域或可行域与一超平面的交上的投影 .本文对现有的变分不等式问题的二次外梯度投影算法进行分析 ,并对可行域为球的二次外梯度投影算法的计算过程进行简化 .最后 ,我们给出了数值分析 .     

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.     

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     

一类二次投影算法的扰动分析

针对变分不等式的投影算法的一大特点是需要通过将当前迭代点投影到一个闭凸集上来产生下一步迭代点,从数值计算角度求到精确的投影几乎是不可能的,因此需要考虑当投影不能求到精确解时,对算法所产生的迭代序列的收敛性有什么影响.在经典的二次投影算法框架下,对其中的投影加以扰动,证明扰动项在小范围内变化时,经扰动后的二次投影算法仍然收敛.     

一类带有混合约束的二次半定规划及其投影收缩算法

研究带有线性等式及线性不等式约束的二次半定规划问题.讨论对偶理论、最优性条件及其等价的单调变分不等式,给出相应的投影收缩算法.经收敛性分析,可得该算法是全局收敛的.     

求解变分不等式问题的一个自适应二次投影算法

对于变分不等式问题，给出了一个自适应二次投影求解算法。在较弱的条件下，证明了算法的全局收剑性。     

广义非凸变分不等式解的存在性和多步迭代投影算法

在Hilbert空间中引入广义非凸变分不等式问题,利用变分不等式和不动点问题的等价关系,给出了求解变分不等式的多步迭代投影算法.在适当的条件下证明了该算法的收敛性.     

求解强单调变分不等式组新的自适应投影算法

自适应投影算法是求解强单调变分不等式的一种重要方法,在自然科学中的诸多领域有着广泛的应用.本文利用自适应投影算法来求解强单调变分不等式组,证明了这种算法的收敛性,本文结果将He B S,Yang H,Meng Q和Han D R改进的Goldstein-Levitin-Polyak投影算法运用到求解变分不等式组上,并构造出了简单实例证明所提出的算法的有效性和可操作性.     

一种改进的推广近中心点算法

考虑变分不等式问题,基于D.Han(2003)提出的推广近中心点算法,通过改进算法的投影区域,提出了求解变分不等式问题的一种新的推广近中心点算法.该算法具有如下特点:算法产生的迭代点列关于初始点具有扩张性质;如果变分不等式问题有解,则算法产生的迭代点列的极限点就是初始点到问题解集上的投影;在适当的假设条件下,算法具有全局收敛性.最后,给出了该算法的初步数值试验结果.     

MFCQ下的广义投影梯度算法

讨论了非线性不等式和等式约束优化问题在退化情形下的求解方法。首先通过引入恰当的罚函数，将原问题转化成一个只含不等式约束的辅助规划，给出了一般约束优化问题的广义梯度投影算法，在MFCQ下，证明了算法的全局收敛性。     

非线性规划含三个参数的一族梯度投影法

利用偏斜梯度给出非线性不等式约束规划的含３个参数的一族梯度投影法．证明了方法的全局收敛性，并分析了算法族的几个有价值的特例．     

解伪单调变分不等式问题的一个投影算法

提出了一个新的解伪单调变分不等式问题的自适应投影算法,其使用了一个新的方向与步长。在伪单调的条件下证明了此算法的收敛性。数值实验表明,此算法有效。     

求解线性方程组的投影算法

分析了基于残差空间求解线性方程组的一维投影算法、最速下降法和最小剩余法。定义了长轴陷阱及陷阱深度,用它们刻划了2种算法迭代过程中锯齿现象的几何特征。给出了基于残差序列的避开长轴陷阱的扰动技巧,即投影算法。数值试验表明,投影算法要优于现在流行的主要求解线性方程组算法。     

基于随机梯度上升和球面投影的通用对抗攻击方法

在面向样本集的通用对抗攻击中，导致多数样本输出错误的通用扰动设计是研究关键.本文以典型卷积神经网络为研究对象，对现有通用扰动生成算法进行总结，提出采用批量随机梯度上升训练策略和球面投影搜索策略相结合的通用扰动生成算法.算法的每次迭代计算，首先从样本集中抽取小批量样本，采用随机梯度上升策略计算出使损失函数值下降的通用对抗扰动，然后将通用扰动投影到半径为ε的高维球面上，从而缩小通用扰动的搜索空间.算法还引入了正则化技术以改善通用扰动的生成质量.实验结果证明该算法与基线算法对比，攻击成功率显著提升，通用扰动的求解效率提高约30倍.     

一类分层隐变分不等式问题的公共解

在本文中,我们研究了Hilbert空间中的一类分层隐变分不等式组求公共解的问题,其约束集为某些映射的不动点集.第一步,我们先解决一类与该问题相应的分层变分不等式组问题,证明其解的存在性,并给出一种求解的非投影算法;第二步,利用第一步的结果,我们通过一个变换解决了该求解问题.     

不等式约束极大极小问题一个新的（ε,δ）-广义投影可行方向法

结合Armjio线搜索和（ε,δ）-广义投影技术,本文提出了求解不等式约束极大极小问题一个新的广义投影可行方向法.在算法的每一步迭代中,其搜索方向由一个新的（ε,δ）-广义投影显式给出.在较温和的假设下,新算法具有全局收敛性和强收敛性。     

最优化广义次可行方向法的统一模型及收敛性

讨论了一般的约束最优化问题,首先将原问题转化为只带不等式与线性等式约束的扩充优化问题,然后利用次可行方向法思想及梯度投影法,通过扩充问题建立问题的一类十分一般的求解模型,分析了模型在原问题的Ｋ－Ｔ点解集内的全局收敛性。     

有风险控制的log-最优投资组合问题的一个黎曼几何随机算法

针对有风险控制的log-最优投资组合问题，提出了一个自适应的随机算法．该算法通过引进松弛变量，把对风险控制的不等式约束化为等式约束；再通过引进罚参数，运用罚函数法对风险控制的等式约束进行处理，从而将原来的问题化为一系列新的随机优化问题，再利用黎曼流形上的随机优化算法对其进行自适应求解．最后，使用该算法对上海证券交易所的实际数据进行了模拟计算，得到了很好的计算效果．