解约束优化问题的一种信赖域方法

提出了一种解约束光滑优化问题的依赖域方法,并给出了算法的全局收敛性。     

无约束非光滑优化的信赖域算法

提出了一个处理无约束非光滑优化问题的信赖域算法.它仅要求目标函数是下半连续的,而不是光滑的,或凸的,或局部Lipschitzian的,从而扩大了信赖域方法的使用范围.同时文中还证明了该算法产生的序列的每一个聚点都是原问题的临界点.     

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.     

一个求解等式和不等式约束优化问题的信赖域算法

给出了一个求解一般约束优化问题的信赖域算法，此算法采用光滑的增广拉格朗日函数作效益函数，在适当的条件下，证明了算法的整体收敛性。     

互补约束优化问题的一个非单调信赖域法

针对互补问题构造了一种新的价值函数,从而把互补约束优化问题等价地转化为一般光滑约束优化问题.然后,结合非单调技术给出了一个信赖域算法,在一定条件下证明了算法的全局收敛性.     

一个新的求解等式约束优化问题的依赖域算法的超线性收敛分析

对文［１］提出的一个求解等式约束优化问题的依赖域算法进行超线性收敛分析。     

求解大规模非光滑问题的一种修正DY共轭梯度算法

设计了一种针对大规模非光滑优化问题的修正DY共轭梯度算法.新算法的搜索方向不仅自动满足充分下降条件,而且属于信赖域.新算法在适当条件下全局收敛.初步的数值实验显示,新算法能够求解高达50 000维的非光滑凸和非凸优化问题,表明其在求解大规模非光滑无约束凸优化问题方面是有效的.     

半光滑无约束优化信赖域算法的全局收敛性

信赖域方法具有较强的收敛性和可靠性,一直被众多学者关注.基于光滑优化信赖域算法模型,证明了半光滑无约束优化信赖域算法的全局收敛性.     

非光滑凸最优化的一类全局收敛算法

本文利用非光滑凸分析基本理论,对无约束非光滑凸最优化问题(I)min f(x),x∈R~n,提出了一类信赖域算法,在一定条件下证明了算法的全局收敛性,并指出了利用次梯度聚集方法实现算法的途径。     

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。     

线性等式约束优化问题的一个依赖域方法

将ＡＢＳ算法用于求解线性等式约束的优化问题。给出一个依赖域算法；该算法中用隐式ＬＵ分解算法修正Ｈｅｓｓｅ矩阵，用对称的ＡＢＳ算法求解子问题。证明了由算法生成的序列的任意聚点满足线性等式约束优化问题最优解的必要条件。     

非光滑单值优化的信赖域算法

提供了求解非光滑单值优化问题的信赖域算法．基于线性规划的对偶理论,将目标函数的方向导数转化成线性规划,从而使信赖域子问题容易数值求解． 在合理的条件下,证明了算法的整体收敛性和局部超线性收敛速率．     

一类非光滑约束优化问题的凝聚同伦内点方法

利用凝聚技术和组合同伦内点方法研究可行域满足伪锥条件下非凸域上的非光滑优化问题,构造性地证明了该类非光滑优化问题的广义K-K-T方程解的存在性,得到了求解K-K-T点的凝聚同伦内点方法,并证明了该算法具有全局收敛性.     

求解非光滑优化问题的修正HS三项共轭梯度法

为了提高大规模非光滑优化问题的求解效率,克服其他方法存储需求大、算法复杂等缺点,提出求解非光滑优化问题的一种修正HS共轭梯度算法。在经典HS三项共轭梯度法的基础上提出一种新的搜索方向,并利用Moreau-Yosida正则化技术和Armijo-type线搜索技术进行设计。新算法满足充分下降条件,搜索方向属于信赖域,在适当条件下证明了新算法全局收敛。初步的数值实验表明新算法在求解非光滑无约束优化问题方面比LMBM方法更有效。新算法不仅具有较好的收敛性质,而且数值表现良好,为更加高效地求解非光滑优化问题提供了新的方法。     

非光滑方程信赖域算法的全局收敛性

给出一个解非光滑方程的信赖域算法,提出弱正则ＳＰＮ分解和弱正则条件数的定义。在弱正则条件下,证明此算法的全局收敛性。     

求解非线性互补问题的一种光滑化算法

求解非线性互补问题是利用光滑逼近函数将其转化为光滑方程组。提出了非线性互补问题的一个新的光滑逼近函数,并使用光滑化算法求解非线性互补问题。对P0函数的非线性互补问题,证明了算法的收敛性,数值实验表明算法的有效性。     

一种求解大规模非光滑优化问题的共轭梯度法

针对大规模非光滑优化问题,利用Moreau-Yosida正则化技术和Armijo-type线搜索技术,设计了一种修正LS共轭梯度算法.算法的搜索方向不仅满足充分下降条件,而且具有信赖域性质.可以证明新算法在适当条件下全局收敛.初步的数值实验表明,新算法在求解大规模非光滑无约束凸优化问题方面比LMBM方法和MPRP方法更有效.     

一类非光滑最优化信赖域算法

本文把通常的光滑信赖域算法推广到非光滑情形，目标函数仅为局部李普希兹连续，文中子问题的目标函数不必是通常的二次逼近形式。     

求解非光滑优化问题的改进大洪水算法

应用启发式算法求解非光滑优化问题,解决基于次梯度信息的确定性算法在求解时困难较大的问题.首先分析了基本大洪水算法的优化机理及特征并给出其求解步骤,然后针对无约束及盒子约束问题分别设计了改进的大洪水算法,将基本大洪水算法所依赖的参数up省去.对于无约束情形,提出了进行邻域搜索的随机行走法;对于盒子约束情形,提出了选择初始可行点的方法和进行邻域搜索的混沌优化算法.最后通过算例进行测试并与其他算法进行对比,测试结果表明了改进的大洪水算法在求解非光滑优化问题时的有效性与优越性,故其可作为求解非光滑优化问题的一种实用方法.     

求解非线性互补问题的自适应光滑信赖域方法

本文利用Fischer-Burmeister函数将非线性互补问题转化为非线性方程组,再利用Kanzow光滑逼迫函数构造光滑算予,将NCP问题转化为优化问题,然后给出了一种求解非线性互补问题的自适应光滑信赖域方法,并证明了该算法在一定条件下的全局收敛性．