非线性约束规划快速收敛的共轭投影变尺度法

本文讨论非线性等式约束规划问题，给出了问题的一种共轭投影变尺度算法．方法利用变尺度法，梯度投影法及共轭方向法相结合的思想直接给出主搜索方向和辅助方向显式表达式，以罚函数为效益函数，不需解任何二次子规划．在较温和的假设下，算法具有全局收敛性和超线性收敛性．     

非线性规划改进的广义梯度投影法

讨论带非线性等式和不等式约束规划问题一种新的全局收敛的投影类算法，它是广义梯度投影法和梯度投影法以及次可行方向法的结合和改进。算法具有广义投影阵只依赖于ε－积极约束集，不必计算全部约束函数的梯度，其中ε可以随意选取；由单一的公式给出，且效益函数是可微的等优点。     

一族易实现的Clarke广义梯度投影算法及其收敛性

本文利用Bazarra提出的伪方向导数,以Clarke的广义梯度为工具,通过解二次规划得可行下降方向,用Armijo搜索作一维搜索,我们给出了一类一般线性约束下不可微规划的可行方向法——易实现的Clarke广义梯度投影法。在不要求约束非退化的条件下,我们证明了算法的收敛性。     

正定二次规划的投影最小二乘算法

提出了正定二次规划问题的投影最小二乘算法．该算法先求目标函数无约束优化问题的解，再将此解逐次投影到有效约束的边界．迭代过程中不断更新有效约束，最终得到问题的有效约束集，进而得到问题的解．将该算法应用到FIR滤波器的约束最小二乘设计中，算法分析及约束FIR滤波器的设计例子都表明该算法的计算量远小于目前最流行的二次规划算法——有效集方法．     

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．     

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 .     

有界变量约束优化的仿射投影共轭梯度路径内点方法

采用共轭梯度路径结合仿射内点投影回代技术解有界变量约束的非线性优化问题．通过构造共轭梯度路径解二次模型获得搜索方向，引入线搜索技术获得的迭代步既落在严格可行域内，叉能使目标函数下降．基于共轭梯度路径的性质，在合理的假设条件下，证明了所提供的算法不仅具有整体收敛性，而且保持快速的超线性收敛速率．进一步，数值计算说明了算法的可行性和有效性．     

梯度投影法及其发明过程

梯度投影法是应生产的需要，在最束下降法的基础上，借助于几何直观而产生的一种解决非线性规划问题的有效算法。     

凸二次规划梯度投影算法的改进与数值试验

对凸二次规划带仿射变换的梯度投影算法作了改进,并作了相关数值试验,结果表明,新算法十分有效.     

带有二次约束的一般二次规划问题的松弛分枝定界方法

考虑带有二次约束的一般二次规划问题的求解，当约束条件为非凸二次函数时，对原问题中的某个二次约束进行凸二次松驰，或在原问题的约束条件中增加一个球约束，使得原问题的可行域包含在松驰二次规划问题的可行域内。采用椭球剖分策略剖分可行域为小 椭球，用投影次梯度算法解松驰二次规划问题的拉格朗日对偶问题，从而获得原问题的一个下界。原问题最优值的一个上界可从迭代过程中的可行点得到，并在迭代过程中得到调整。该算法或在原问题最优值的一个上下界相同时终止，得到原问题的整体最优解；或产生一无限序列，其任一聚点都是原问题的整体最优解。     

基于内积矩阵Euv的最小二乘形式矩阵Padé-型逼近

为提高求矩阵Padé-型逼近解的精确度,给出一种求解矩阵Padé-型逼近解的改进算法,即基于矩阵Euv的正交多项式Padé-型逼近算法.另外,当矩阵值幂级数展开式的系数产生微小摄动时,矩阵幂级数的Padé-型逼近解变化往往很大,借助误差公式、内积单位矩阵和最小二乘法构造一种稳定性和精确度均有所提高的最小二乘形式矩阵Padé-型逼近算法.最后,对这两种算法分别给出完整的分子和分母行列式表达式.     

关于满Steiner树问题的一个近似算法

满Steiner树问题(TST)是求解一个正则点都是叶子的最小Steiner树问题.Fabio Viduani Martinez等人给出了此问题的近似算法,它的性能比为2ρ-ρ/(3ρ-2)≈2.52,而目前求解Steiner树问题的近似算法的性能比,最小值约为1.550.对满Steiner树问题给出了一个近似算法,并将它的性能比改进为2ρ-3ρ/(6ρ-2)≈2.463.     

间接光滑逼近

改进了链接超平面模型，并在找链接算法的基础上给出了一个处处光滑的间接光滑逼近算法，该算法在保持找链接算法简洁这一优势的同时，给出了处处光滑的逼近结果，且这一算法可以用于任意维空间。     

基于复杂曲线表示的切比雪夫多项式拟合并行算法

骨科临床造型系统中进行假体再造时，要对CT片上的原始点采用数学逼近法进行优化处理。常用的数学逼近法中切比雪夫多项式拟和法误差较小，对此，提出一种基于复杂曲线表示的切比雪夫多项式拟合并行算法，并采用两种Java方案实现并行程序。实验结果表明，与一般的切比雪夫多项式拟合串行算法相比，基于复杂曲线表示的切比雪夫多项式拟合并行算法保持了较高的计算精度，并获得了显著的加速比。     

面向对象删除的局部邻域粗糙集动态更新算法

为了有效地计算动态数值型数据的近似算子,提出了一种局部邻域粗糙集模型的动态更新算法,分析对象集减少时局部近似集的更新公式,设计获取局部近似集的动态算法。动态更新算法充分利用已有知识,避免了大量重复计算。为了验证算法的有效性,使用来自UCI的6组数据集进行了对比实验。     

改进的粗糙集模糊聚类算法及其应用

通过将粗糙集和模糊聚类算法相结合, 利用粗糙集中上近似集和下近似集的概念改进模糊聚类算法, 解决了模糊聚类边界不确定的问题, 得到了上近似集和下近似集的聚类结果, 从而实现更好的聚类, 改进算法可以处理边界问题和复杂数据问题. 将改进的粗糙集模糊聚类算法用于研究环糊精聚类, 并将聚类结果与K均值聚类分析算法、 模糊C均值聚类算法相比, 实验结果表明, 改进算法有较好的聚类效果.     

一种基于支持向量机的多分辨率信号逼近算法

为了进一步提升多分辨率信号逼近算法(MSA)的逼近性能,提出了一种基于支持向量机(SVM)的信号多分辨率逼近算法(SVM-MSA).SVM-MSA以尺度子空间是再生核希尔伯特空间为前提,先在MSA中集成SVM的逼近准则并得到一个无约束规划,再引入松弛变量将无约束规划转化为约束规划,最后借助拉格朗日乘子法求解约束规划,获得逼近系数与逼近表达式.SVM-MSA不仅保留了MSA的多分辨率逐级逼近特点,而且兼具SVM良好的逼近准确度与平滑度.实验结果表明:在逼近sinc信号时,SVM-MSA具有比MSA更好的逼近准确度与平滑度;在噪声环境下,当输入信噪比大于约2 dB时,具有更强的稳健性.     

基于圆域上多项式逼近的图像重建算法

以Marr算法为基础, 给出了圆域D上图像重建的一种 基于二元多项式逼近的加速算法. 加速后算法的计算量为O(Nlg N), 当N较大时, 新算法的运行时间远小于原算法的运行时间. 同时, 与传统图像重建算法〖CD2〗滤波反投影算法（FBP）相比, 基于多项式逼近加速算法重建的图像质量优于前者. 仿真实验验证了此算法的有效性.     

矩阵在闭凸锥上的最佳逼近

讨论矩阵在闭凸锥上的最佳逼近及其数值算法,在对称半正定矩阵集上,给出了最佳逼近数值算法的MATLAB程序和数值例子.数值结果表明,算法是有效的和有用的.     

二次曲线Chebyshev法向逼近的交换算法

以机械曲线的逼近为背景，建立了符合机械上误差度量标准的逼近模型即法向一致逼近问题，推出了最佳法向一致逼近二次曲线的特征，给出了一个算法，并对其收敛性进行了讨论，其误差低于０．８ｕｍ。