在Wolfe步长搜索下的一类新的共轭梯度算法

研究利用共轭梯度法求解无约束最优化问题.为了保证共轭梯度方向是目标函数的充分下降方向,对共轭梯度算法中的共轭梯度方向参数确定了一个取值范围并与Wolfe步长搜索相结合,提出了新的共轭梯度算法,使算法具有更好的收敛速度,特别是在求解大规模无约束最优化问题时,此算法只需要较小的存储.     

一种修正HS共轭梯度法的全局收敛性

对HS算法进行了修正,在非单调线搜索下,该方法保证每次迭代中的搜索方向是充分下降的。在较弱的条件下,证明了此类非单调修正HS算法具有全局收敛性。最后对算法进行了数值试验,试验结果表明,该算法具有良好的收敛性和有效性,尤其适合求解大规模无约束优化问题。     

一类新拟牛顿方程的非单调信赖域算法

利用新拟牛顿方程及其修改BFGS校正公式,将非单调Wolfe线搜索技术与信赖域相结合,提出了一类拟牛顿非单调信赖域算法。在较弱的条件下,证明了此算法的全局收敛性。数值结果表明该算法是有效的。     

拟可微B-preinvex规划的对偶定理

本文讨论了［１］中所讨论的拟可微Ｂ－ｐｒｅｉｎｖｅｘ规划的各种对偶性。     

一种带扰动项的修正PRP共轭梯度法的全局收敛性

提出了一种搜索方向带扰动项的修正PRP共轭梯度法。在主方向充分下降的情况下,证明采用强wolfe搜索时,算法是全局收敛的。最后给出了初步的数值试验结果。     

一种Armijo搜索下的谱共轭梯度法

基于文献[6]中的βkb的构造方法,提出了一种新的谱共轭梯度法,证明了该方法不依赖于任何线搜索具有充分下降性,在Armijo线搜索下证明了算法具有全局收敛性.数值试验结果表明：在Armijo线搜索下,该方法明显优于SFRA、SPRPA算法.     

求解非线性最优化问题的Newton算法研究

本文概述了非线性规划中Newton算法的基本原理和发展，阐述了Newton算法与其他算法的混合算法，并探讨了Newton算法的超线性收敛性，从而进一步阐明了此算法的研究方向。     

Armijo型线搜索下一种修正HS共轭梯度法的全局收敛性

本文对HS算法进行了修正,在Armijo型线搜索下,该方法保证每次迭代中的搜索方向是充分下降的．在较弱的条件下．证明了此修正HS算法具有全局收敛性．最后对算法进行了数值试验,试验结果表明该算法具有良好的收敛性和有效性,尤其适合求解大规模无约束优化问题．     

一种改进的彩色图像去马赛克总变分模型

针对去马赛克总变分正则化模型的不足,提出了一种改进的彩色图像去马赛克总变分模型,将彩色图像的灰度化图像引入到传统彩色图像去马赛克总变分正则化模型中,利用原始对偶不动点算法求解该模型.数值实验结果表明了该模型和算法的有效性和优越性.     

求解非线性方程组的非单调自适应信赖域方法

提出了一个新的求解非线性方程组的信赖域方法,首先把非线性方程组的求解转化成一个非线性优化问题,然后借助非单调技术和信赖域技术求解该问题,从而得到了原方程组的解.既避免了重复求解信赖域子问题,又减少了线搜索方法计算函数值的次数.算法的收敛性得到了证明,初步的数值试验表明了算法的有效性.