一个求解变分不等式问题的投影算法

基于D.Han提出的求解变分不等式问题的推广的近似点算法(generalized proximal method),提出了一个新的改进算法,该算法的最大特点是在每一步只需要近似求解一个线性方程组系统.并在适当条件下证明了算法的全局收敛性.     

基于遗传算法的覆盖近似空间最优近似求解算法

经典粗糙集用一对精确集来近似粗糙集.在其扩展模型中,有学者提出了从相似度出发用一个精确集来刻画粗糙集的模型.这种模型可以更贴近目标集合,在规则提取方面也有很好的应用.在划分情形下最优近似的算法已经相对完善,但是对于覆盖情形下的最优近似其算法还很匮乏.针对这一问题,提出了一种基于改进的遗传算法的最优近似求解算法.通过采用...     

求解病态线性方程组的精细积分新主元加权迭代法

在精细积分法的基础上，通过构造一个特殊的加权矩阵，并将其应用于主元加权迭代法.提出了一种将主元加权迭代法与精细积分法相结合的求解病态方程组的新算法，并用该算法求解两个经典算例.实验结果表明，该算法在求解精度和迭代次数上都有明显提升，是一种可以有效求解病态方程组近似解的新算法.     

求解最小体积轴向椭球问题的线性收敛算法

通过定义求解最小体积轴向椭球问题的两个近似最优性条件, 计算满足第二个近似最优性条件的一个新的近似解, 给出一种求解最小体积轴向椭球问题的近似算法, 并证明了算法具有线性收敛性. 实验结果证实了算法的有效性.     

一个求解广义圆锥互补问题的光滑非精确牛顿法

研究一个求解广义圆锥互补问题的光滑非精确牛顿法.该算法基于一个新的光滑函数，将广义圆锥互补问题等价转化成一个光滑的非线性方程组，然后利用非精确牛顿法求解此方程组.算法在每次迭代时只需求解牛顿方程的一个近似解，因此适于求解大规模广义圆锥互补问题.在适当条件下，证明算法具有全局和局部二次收敛性质.数值实验结果表明算法是非常有效的.     

求解加权Euclidean单中心问题的SMO-型算法

通过定义求解加权Euclidean单中心(WEOC)问题的两个近似最优性条件, 基于序列最小最优化(SMO)方法, 提出一种求解WEOC问题的SMO 型算法.
该算法求解WEOC问题满足第二个近似最优性条件的(1+ε) 近似解, 并且每次迭代只需更新对偶变量的两个分量. 数值结果表明, SMO 型算法执行简单, 能有效求解高精度的大规模计算问题.     

一种结合进化策略与神经网络的图象恢复方法

图象恢复在已知退化矩阵的前提下,可近似看成求解最优化问题.本文提出了一种进化　策略与神经网络结合的求解最优算法,并应用于图象恢复.结果表明,综合算法优于仅采用神经网络的算法.     

求解无约束极大极小问题的光滑化不精确牛顿算法

提出了求解无约束极大极小问题的光滑化不精确牛顿算法.该算法利用光滑凝聚函数近似不可微的极大值函数,从而得到目标函数的光滑近似,进而再利用不精确牛顿法求解光滑化后的可微的无约束优化问题.在一定的假设条件下,算法具有全局收敛性,初步的数值实验表明,算法是有效的.     

不等式约束条件下的可行SQP方法

提出一个处理非线性不等式约束优化问题的有效可行SQP算法.每一步迭代,只需求解在近似积极约束指标集下的一个二次规划子问题和一个线性方程组,该方法有效的避免了马太效应.在无严格互补假设条件下,证得算法是全局收敛和超线性收敛的.数值试验表明该算法是有效的.     

投资组合优化模型的一个序列凸近似算法

以CVaR为代表的凸优化投资组合模型近年来引起了广泛研究.为克服传统投资组合模型中凸近似的不足,提出了一个投资组合的DC规划模型.该模型用一个DC函数替代了CVaR模型中的凸近似函数,同时要求所有约束条件在概率意义下成立.进一步地,提出了一个序列凸近似(SCA)算法用于求解DC规划问题,并运用Monte-Carlo方法来实现SCA算法.初步的实验结果表明,因子收益服从"尖峰厚尾"分布时,模型的目标函数值优于采用CVaR近似的目标函数值.