求解非线性加权互补问题的光滑算法

研究一个新的求解非线性加权互补问题的光滑算法.该算法利用一个带有权重的光滑函数,将非线性加权互补问题等价转化成一个光滑方程组,再利用牛顿法求解此方程组.在非奇异条件下,证明了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.     

一个新的求解无约束优化问题的超记忆梯度法

提出一个新的求解无约束优化问题的超记忆梯度法.该算法在每步迭代中充分利用前面迭代点的信息产生下降方向,利用曲线搜索产生步长,并且在每步迭代中不需计算和存储矩阵,适于求解大规模优化问题.在较弱的条件下证明了算法具有全局收敛性和线性收敛速度.数值实验表明该算法是有效的.     

线性二阶锥权互补问题的非精确非单调光滑化牛顿法

针对线性二阶锥权互补问题, 提出一种新的非精确非单调光滑化牛顿法. 首先, 基于新的含参数光滑函数, 将线性二阶锥权互补问题转化为一个光滑方程组; 然后, 给出求解该方程组的新非精确非单调光滑化牛顿法; 最后, 在半正定矩阵假设下, 证明该算法全局收敛和局部超线性收敛. 数值结果表明, 该算法稳定、 有效.     

Lie群上的最速下降算法

通过对Lie群及其Lie代数的基本性质及特殊结构的分析,提出了求解一般Lie群上优化问题的最速下降算法,并对算法的收敛性作了一定的分析.得到了该算法全局收敛的两个充分条件,并在一般框架下证明了该算法至少线性收敛.通过上Riemann质心的计算问题,证明该算法可行有效.     

关于拟牛顿法求解等式约束优化问题的超线性收敛条件

拟牛顿法是求解约束优化问题的有效方法之一,许多作者在理论上讨论了此类算法的全局收敛性和收敛速度,但关于收敛速度的条件讨论较少．Ｂｏｇｇｓ等人给出了一个拟牛顿方法求解等式约束优化问题的超线性收敛的充要条件,但假设条件较强．本文利用分析和代数的技巧,在较弱的条件下证明了该算法的超线性收敛的充要条件仍然成立．     

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.     

非线性约束条件下的共轭投影梯度法

针对非线性等式和不等式约束优化问题，结合罚函数法，提出了一个共轭投影梯度法，在适当的假设条件下，证明了该方法的全局收敛性，由于使用了目标函数的二阶导数信息，该算法的超线性收敛速度也能得到保证，数值结果表明，该算法是有效的。     

二阶锥规划求解的新光滑牛顿算法

研究一个新的求解二阶锥规划的光滑牛顿法,算法采用一个新的价值函数,同时利用一个扰动的牛顿方程去获得搜索方向.在不需要满足严格互补的条件下,证明算法是全局和局部二次收敛的,最后数值实验表明算法是有效的.     

非线性不等式组的非内部连续化方法

针对非线性不等式问题,利用投影函数和引入的光滑函数,提出了一个非内部连续化算法.算法对初始点的选取没有任何要求,并且每次迭代最多只求解一个线性方程组.在一定的假设下,算法是全局收敛和局部二次收敛的.数值实验表明了算法的有效性.     

快速差分进化算法

提出一种快速差分进化(FDE)算法.该算法采用根据上一代最优个体确定下一代搜索区间的技术不断更新和缩小搜索区域,从而加快收敛速率,提高收敛精度和鲁棒性.通过对21个极值函数仿真试验分析表明,该算法在问题维数多时,极值函数的收敛速率、收敛鲁棒性和收敛精度明显优于其他算法,且种群初始化形式不影响算法的收敛性能.