一类新的曲线搜索下的记忆梯度法

提出一类新的求解无约束优化问题的记忆梯度法,在较弱条件下证明了其全局收敛性.新算法有如下特点:(1)采用曲线搜索方法,在每步迭代时同时确定下降方向和步长;(2)利用当前和前面迭代点的信息产生下降方向,无需计算和存储矩阵,适于求解大型优化问题.     

一种充分下降的共轭梯度法

在Dai-Liao共轭梯度法的基础上,提出了一种修正的共轭梯度法,该算法在强Wolfe线性搜索和精确线性搜索下具有充分下降性.同时,在确定步长的过程中,如果出现某个步长很小,则该算法的搜索方向会自动的接近当前迭代点的负梯度方向.     

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.     

无约束优化问题的Newton-过滤器算法

构造了求解无约束优化问题的新算法,该算法结合了一般的Newton算法的思想和过滤器线性搜索策略,一方面搜索方向由Newton算法产生;另一方面在接受新的迭代点时,采用过滤器线性搜索策略,确定步长,且新算法是全局收敛的.     

基于负曲率方向的复数域共轭梯度法

共轭梯度法是优化大规模目标函数的一种经典方法.根据复梯度、复Hessian阵与实梯度、实Hessian阵之间的关系,将共轭梯度法推广到复数域,用于解决复数域的优化问题.针对共轭法的一些缺点,如每步迭代利用线性搜索来确定优化的步长及可能寻找到的极值点不一定为极小值等缺点,提出在Hessian阵不正定时利用负曲率方向作为搜索方向,利用实数域二阶导数简化思想,使寻找下降负曲率方向简单化,同时根据目标函数信息调节搜索步长,保持函数值单调下降.对该算法进行复数域优化数值仿真,结果表明:该算法与复数域的SCG算法及Quasi-Newton算法相比,计算较为简单且优化效果更优.     

一类新的超记忆多步曲线搜索方法及其全局收敛性

提出一种求解无约束最优化问题的超记忆多步曲线搜索方法,此方法具有如下特点：（1）每次迭代目标函数f（x）下降量更大;（2）充分利用前m步的迭代信息;（3）每次迭代同时确定下降方向和步长;（4）步长一致有正下界。在较弱的条件下,证明了此方法的收敛性。     

求解分裂可行问题的一种新算法

主要对解决分裂可行问题的松驰CQ算法进行修正,设计了一种新的算法.该算法在每步迭代中应用类-Armijo搜索来获取步长,避免了矩阵逆和矩阵最大特征值的计算,而且在每步迭代中都根据当前迭代点的信息选择合适的步长,证明了该算法的全局收敛性.     

无约束优化问题的稀疏拟牛顿法

对无约束优化问题提出了一种稀疏拟牛顿法,算法在每次迭代中运用拟牛顿方法的思想确定其搜索方向,采用非精确线性搜索确定步长,在通常的假设条件下,证明了算法的全局收敛性和线性收敛速度.     

求解单调线性互补问题的势下降内点算法

研究了单调线性互补问题的一种内点法,将牛顿方向和中心路径方向相结合,通过求解一个线性方程组得到搜索方向;在每次迭代中,寻找使得新的迭代点满足可行性要求且同时使得势函数值下降的步长参数,进而建立了求解单调线性互补问题的一种势下降内点算法,并证明该算法经过多项式次迭代之后收敛到原问题的一个最优解,数值实验表明此方法是有效的。     

基于区域的活动轮廓图像分割模型的变步长优化算法

基于偏微分方程图像分割的活动轮廓模型,基本思想是将图像分割归结为最小化一个封闭曲线的能量泛函,图像分割问题实质上是一个无约束最优化问题.传统最小化算法的数值实现过程中采用固定时间步长的方法,时间步长选取较大,迭代过程容易出现震荡现象影响分割结果,而时间步长选取较小,又会减慢收敛速度.利用Wolfe-Powell线搜索方法,提出了一种变时间步长的优化算法,在迭代过程中根据搜索方向自动调整时间步长大小,有效克服了固定时间步长出现的震荡现象和收敛速度慢的问题.     

解变分不等式的超梯度Mann迭代算法

介绍了关于变分不等式近似解的一种新的超梯度迭代算法.该算法在迭代过程中使用了Mann迭代,规定了一个较优的搜寻步长,并且选择了与以往投影算法所不同的搜寻方向.同时证明了所构造的算法生成的迭代序列在广义单调条件下是全局收敛的.     

无线性搜索下修正的共轭梯度法的收敛性

本文提出了一类修正共轭梯度法.该方法的特点是：（1）步长由一个固定的公式计算;（2）在无线性搜索的条件下,迭代方向是充分下降方向.在水平集有界和函数Lipschitz连续的条件下,方法具有全局收敛性.最后给出了初步的数值实验验证了方法的有效性.     

一类记忆梯度法的收敛性

研究一类新的记忆梯度法,算法利用当前点的负梯度和前一点的搜索方向的线性组合为搜索方向,以强wolfe线搜索确定步长,并证明了算法具有全局收敛性,当目标函数一致凸时讨论了收敛速度．     

求解扩展Levine-Athans方程组的直接迭代算法

特定信息结构下大型线性系统无时限最优控制有解的必要条件是存在一组矩阵变量 { K,P,V} (P,V对称正定 )满足相应的扩展 L evine- Athans方程组 ,因而求解该方程组成为协调控制器设计中最为关键的一环。对此 ,论文提出了一种新的算法——直接迭代法 ,它在选择搜索方向、初始反馈增益矩阵和迭代缩放因子等方面具有独特之处。文中给出了算法的详细计算步骤并对其收敛性进行了严格的数学证明 ;一个典型 4机两区域电力系统分散与协调控制器的设计实例表明 ,新算法与传统的一阶梯度算法相比 ,具有收敛速度快 (快 3个数量级 )、精度高等优点     

基于最少控制点的非均匀有理B样条曲线拟合

针对叶片型线的优化设计,提出采用自适应方法提取合适的节点来插值非均匀有理B样条(NURBS)曲线的算法,实现了满足一定精度要求的数据点云拟合以及控制点的计算.该方法首先通过点云外形特征提取主特征点,把主特征点作为节点插值NURBS曲线,通过德布尔递推公式求解控制点,然后根据误差及曲率信息自适应地增加节点反复迭代,直到达到要求的拟合误差精度,从而简洁有效地实现了大量数据点云的拟合.相比传统方法,该方法能够更快地达到要求的逼近精度,同时将误差与曲率信息结合起来调整节点,不仅适合于有局部大曲率及有噪声点的数据点云的曲率计算,而且可用于估计插值节点的数量和工业逆向设计中空间曲面控制点的提取,为优化设计奠定了良好的基础.     

求解Fisher市场均衡问题的内点算法

Fisher 市场均衡是经济学中的经典问题，可以用线性权互补问题来表述。通过调整中心方向向可行点偏移得到新的搜索方向以保证可行性，再利用线性搜索寻找满足邻域条件的最大更新参数来设计求解Fisher市场均衡问题的算法，分析了算法的可行性，证明了算法的迭代复杂度。数值实验结果表明该算法对求解Fisher市场均衡问题是有效的。     

微生物连续发酵稳定模型的算法与收敛性

该文以微生物连续发酵制取1,3-丙二醇为实际背景,研究了以稳定性条件为主要约束的优化模型的算法及收敛性。以该优化模型的最优性函数等于零为结束准则,仿照Armijo一维线搜索方法确定步长,最速下降法确定搜索方向构造了优化算法,并进行收敛性分析。最后通过数值计算结果与实验数据的比较,说明稳定性条件下的优化模型比较准确地描述了实验过程,同时说明该算法正确、可行。     

基于三次模型的线搜索方法及其收敛性

针对无约束优化问题,给出一种基于三次模型的线搜索型算法,并在适当的条件下证明算法的全局收敛性.该算法以对称矩阵代替原三次模型中的Hessian阵,并且不需要保持正定和Dennis-Moré条件,它与一般线搜索法不同,在每次迭代中步长可以在下降方向上由显性公式直接确定,从而可以减少搜索计算.     

光伏最大功率点跟踪变步长电导增量法的算法优化

根据光伏(photovoltaic,PV)系统输出电压-功率(U-P)曲线在最大功率点(maximum power point,MPP)两侧斜率变化的规律有所不同,MPP左侧曲线变化舒缓,右侧相对陡直的特点,在光伏最大功率点跟踪(maximum power point tracking,MPPT)控制方法的研究基础之上,结合现有一些变步长电导增量法,提出了一种在MPP左侧利用指数函数来调整跟踪电压步长;在MPP右侧利用对数函数来调整跟踪电压步长的分段式变步长电导增量优化算法。仿真实验结果表明该方法良好地实现了对光伏系统最大功率点的跟踪,有效地降低了跟踪过程中MPP附近由步长振荡引起的功率损耗,提高了PV系统的功率输出效率。