解带线性或非线性约束最优化问题的结合共轭梯度参数的记忆梯度Rosen投影算法

对于求解无约束规划的记忆梯度算法中的参数。作者利用Rosen投影矩阵给出了一个条件以确定其取值范围。使其在取值范围内取值均能得到目标函数的记忆梯度Rosen投影下降方向。从而建立了求解带线性或非线性约束最优化问题的记忆梯度Rosen投影算法．然后在较弱条件下证明了算法的收敛性。同时给出了具有好的收敛性质和较快收敛速度的结合FR，PR，HS共轭梯度参数的记忆梯度Rosen投影算法，从而将经典的共轭梯度法推广用于求解约束规划问题．由于算法需要较小的存储，算法适合于大规模问题的计算．数值例子表明算法是有效的．     

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．     

Hilbert空间中解凸集约束优化问题的梯度投影算法

梯度投影算法是求解非线性约束最优化问题的基本方法之一,多年来一直吸引着许多学者对其进行研究。在Hilbert空间H中,利用梯度投影算法解决有约束条件的凸集C上的凸函数f的最优问题,引入CKQ方法,与以往研究的差异是在定理中新增加了集合Kn,并证明了改进的梯度投影算法的强收敛性。所得结果将文献中的梯度投影算法推广为Ishikawa形式。     

非线性约束优化问题的广义投影变尺度方向算法

对非线性约束优化问题已有许多梯度投影的有效算法，由于搜索方向是由投影梯度得到的，因而收敛速度慢。利用投影技术和变尺度矩阵相结合的方法，成功地建立了求解非线性约束优化问题的广义投影变尺度方向算法，并给出了算法的收敛性定理。     

等式约束优化问题的一类混合共轭梯度投影算法

构造了一种混合共轭梯度法,并将其与Rosen投影梯度法相结合运用于求解线性等式约束优化问题.这种新的混合共轭梯度投影法有效改善了Rosen投影梯度法收敛性速度较慢的情况,并在Wolfe线搜索下具有全局收敛性.     

等式约束优化问题的一类混合共轭梯度投影算法

构造了一种混合共轭梯度法,并将其与Rosen投影梯度法相结合运用于求解线性等式约束优化问题.这种新的混合共轭梯度投影法有效改善了Rosen投影梯度法收敛性速度较慢的情况,并在Wolfe线搜索下具有全局收敛性.     

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 .     

由生成函数构成的梯度投影法

本文利用生成函数给出了一个解带线性约束非线性规划问题的梯度投影算法模型,统一处理了一类梯度投影算法的收敛性问题。当生成函数取某种特殊形式时,则得到一类具体的梯度投影算法。     

非线性约束优化问题的广义投影变尺度方向算法

对非线性约束优化问题已有许多梯度投影的有效算法，由于搜索方向是由投影梯度得到的。因而收敛速度慢，利用投影技术和变尺度矩阵相结合的方法，成功地建立了求解非线性约束优化问题的广义投影变尺度方向算法，并给出了算法的收敛性定理。     

核磁共振医学成象中的梯度磁场系统

对核磁共振医学成象系统中的关键部分——梯度磁场及控制系统进行了分析和研究,提出了一种适合敏感点、线及投影重建成象的梯度磁场控制模型,讨论了投影重建和敏感法的成象梯度场标准,对实验中的核磁共振成象与X射线成象也进行了比较。     

求解非线性优化问题的记忆梯度摄动投影算法

利用摄动投影矩阵建立求解非线性约束优化问题的记忆梯度摄动投影下降算法,并证明算法的收敛性,同时给出结合FR、PR、HS参数和拟牛顿方程的记忆梯度摄动投影算法,从而将经典的共轭梯度法推广用于求解约束优化问题。数值结果表明算法是有效的。     

非线性约束条件下一个收敛的梯度投影法

本文提出了一个非线性约束条件下新的梯度投影方法。在较简单的假设之下,此算法是全局收敛的,且和现有的非线性约束条件下的一些梯度投影法相比较为简单。     

一个改进的梯度投影法

本文给出一个求解线性约束的非线性规划问题的梯度投影法,方法的方向构造及整个算法均较从前的各梯度投影方法简单,且在较弱的假设条件及三种非精确线搜索下,证明了方法的收敛性。     

线性约束优化问题拓广的广义梯度投影算法

在去掉非退化假设条件下 ,提出了求解线性约束的非线性最优化问题的一个拓广的广义梯度投影算法 ,并在广义Armijo步长探索下证明了算法的全局收敛性质     

求解凸集约束优化问题的共轭梯度的GLP投影算法

利用GLP投影技术 ,对凸约束的非线性规划问题构造了一个共轭梯度的GLP投影算法 ,在一维精确步长搜索下 ,给出了算法较强的全局收敛性结果 ,由于算法需要较小的存储量 ,特别适合于计算大规模的约束优化问题。该算法提高了梯度投影法的收敛速度。     

Stokes 方程的压力梯度局部投影稳定化方法

作者将压力梯度投影方法和宏元剖分相结合,对Stokes 方程提出了一种新的局部稳定化方法,该方法的稳定项只与压力梯度投影和宏元内部边界跳跃有关,而且不需要修改右端,实现起来更容易.     

基于最小自由能法的理想气相反应平衡新算法

针对目前采用最小自由能法计算理想气相反应平衡问题存在的不足,提出了梯度投影拉格朗日算法。算法中,采用了弱收敛准则作为梯度投影法的收敛标准,并从数学上证明了梯度投影法采用弱收敛条件的合理性和算法的收敛性,基于此,将梯度投影法的计算结果作为牛顿法计算拉格朗日乘数法的计算初值,同时对牛顿法的迭代步长进行了改进,从而解决了牛顿法计算初值选取困难的问题,提高了算法的稳健性和计算速度。算例计算结果表明,该算法的收敛速度快且计算精度高。     

一般约束问题的广义摄动梯度投影算法

讨论带不等式和等式约束优化问题,提出了求解非线性规划问题的广义摄动梯度投影算法。考虑到计算的误差因素,在搜索方向上进行摄动,得到一个方向不精确的广义梯度投影法。避免了转轴运算,使计算量大为减少,并证明了算法的全局收敛性。     

用广义正交投影矩阵求解线性规划

对线性规划的内点算法，文[1，2]均使用正交投影矩阵，这就要求约束条件的系数矩阵行满秩，同时内点法要求迭代点始终为内点，在算法终止时所得到的点在理论上只能是一个近似最优解．利用广义正交投影矩阵，我们获得了求解解线性规划的可行下降方向，这样不仅可以放宽系数矩阵行满秩的条件，而且得到的迭代点可以不是内点，因迭代过程穿过区域内部和区域的边界面的相对内部，在理论上确保了最优解为精确解，并证明该算法在有限步终止。