双稳定束方法以及收敛性分析

对于带有非线性约束的非光滑优化问题,束方法是最常用且最有效的方法之一。在目前众多束方法中,双稳定束方法是结合迫近束方法与水平束方法产生的一种新算法,在数值计算中更加具有优势,而且具有很高的理论研究价值。主要研究双稳定性束方法及其收敛性。首先将双稳定束方法的子问题在新范数意义下应用对偶思想进行求解,得到与原范数意义下求解相类似的结果。接下来在已经求得新范数意义下解的基础上,对算法收敛性做进一步分析,即在一般迫近束方法算法的框架下讨论收敛性。假设算法不终止,无论产生无限多下降步,还是有限多下降步,不仅得到迭代序列的相应收敛结果,同时也得到了与单纯用迫近束方法求解无约束优化问题相类似的性质。     

次梯度外梯度方法求解随机变分不等式

随机变分不等式在供应链网络、交通运输和博弈论中具有广泛的应用。提出基于次梯度外梯度的随机逼近方法求解随机变分不等式,将矫正步的投影改投在半空间,以此来减少计算投影的代价。在适当的假设下,证明了所提出的算法具有全局收敛性。     

关于基于近似次梯度的非光滑优化束方法的对偶问题的研究

利用目标函数值和近似次梯度,构建了非光滑无约束优化问题目标函数的一个下近似模型,通过对该近似模型取极小寻找下一个可能使目标函数值下降的试探点.利用Lagrange函数写出了原近似问题的对偶问题,揭示了原近似问题的最优解与对偶问题最优解之间的关系,并进一步分析了相应的近似次梯度的某种凸组合与目标函数在当前迭代点的次微分以及目标函数的近似模型在当前迭代点的近似次微分之间的所属关系.所得结果为原近似问题的求解开辟了新思路,也使整个外层束方法的执行变得简单易行.     

变分不等式的惯性次梯度外梯度算法

在实Hilbert空间中提出求解单调变分不等式的惯性次梯度外梯度算法，其中变分不等式的可行集是一个光滑凸函数的水平集.新算法应用惯性加速技巧，迭代过程中对映射F赋值一次，并只需向两个半空间作投影两次.在适当的假设下，证明该算法的弱收敛性.新算法改进和推广相关文献中的相应结果.     

不可微最优化问题的随机增量次梯度方法

在Hilbert空间中不可微最优化问题的增量次梯度方法收敛性的基础上,研究随机的增量次梯度方法,这种方法每次迭代过程中,子迭代的搜索方向是随机给出的.本文主要研究的是具有缩减步长的随机增量次梯度方法的收敛性,证明这种方法产生的迭代点列拟Fejér收敛;迭代点列所对应的函数列收敛以及迭代点列弱收敛到某种形式的最优解集.     

感知无线电网络中考虑节点数据延时的分布式功率控制算法

研究感知无线电网络中分布式功率控制问题.为保证对主用户的干扰低于阈值,提出一种节点本地估计和信息交换的策略,不需要中心控制节点和辅助测量节点.优化目标是在满足数据传输延迟约束条件下最小化节点的发射功率,并证明此功率控制是凸优化问题.基于拉格朗日对偶分解原理,构造了次梯度迭代的分布式算法,并证明了分布式算法的收敛性.计算...     

略谈替代对偶理论在整数规划中的应用

本文总结了替代对偶方法在整数规划中的应用,介绍了替代对偶方法的理论及算法,并且指出替代对偶方法可以得到比拉格朗日对偶方法更好的界。     

均衡问题的一种改进不精确次梯度算法

针对采用精确次梯度算法求解均衡问题中的稳固非扩张算子的不动点集问题(EP(f,Fix(T)))时计算复杂且收敛性较差这一情况,提出了一种改进的不精确次梯度算法.首先,由事先选择的参数确定一个凸集;其次,通过不精确次梯度投影算法构造中间迭代点;最后,将当前迭代点和中间迭代点的线性组合在稳固非扩张算子的映射作为下一次迭代点.在合适条件下验证了算法的全局收敛性.     

线性约束不可微凸规划的算法及收敛性

本文对约束不可微规划问题min{f(x)|Ax=b,x≥0}给出了一种既约次梯度算法,在f(x)是凸函数和约束集有界且极点非退化的假设下证明了此算法在有限步内得到问题的最优解,或由此产生一个序列{x~k},使得{x~k}的每个聚点都是问题的最优解,同时对另一类约束不可微规划问题min{f(x)|Ax<0}也给出类似的算法,并证明了相应的收敛性。