一个新的非单调自动确定信赖域半径的信赖域算法

将非单调线搜索技术与自动确定信赖域半径的方法相结合,提出了求解无约束优化问题的一个新的非单调自动确定信赖域半径的信赖域算法.在假设对任意x1∈Rn,水平集L(x1)={x|f(x)≤f(x1)}有界,且目标函数f(x)在水平集L(x1)上连续可微;矩阵序列{Bk}一致有界的条件下证明了本算法的全局收敛性.数值结果显示本算法是有效的.     

基于锥模型的非单调自适应信赖域算法

基于锥模型,结合提出的新的自适应技术,建立了一个求解无约束最优化问题的非单调自适应信赖域算法.当试探步不被接受时,采用非单调线搜索,减少了计算量.充分利用包含当前迭代点信息的新的自适应策略调节信赖域半径.在适当的条件下,证明了算法的全局收敛性和Q-二阶收敛性.数值试验表明该算法是有效的.     

一类带线搜索的非单调自适应信赖域算法

对无约束优化问题提出了一类新的非单凋信赖域方法,与通常非单调信赖域方法不同,当试验步失败时并不重解信赖域子问题,而采用非单调线搜索.新算法利用一个R-函数以变化的速率来调整信赖域半径的大小,而不是简单的扩大或缩小一个常数倍.文中在一定的条件下证明了算法的收敛性.并且给出了相应的数值实验结果.     

解无约束最优化问题的一个非单调BFGS信赖域算法

在文[19]的基础上，给出了一个解无约束最优化问题的非单调BFGS校正的信赖域算法，此算法具有较好的性质，所给的BFGS校正的具有二次约束的信赖域子问题总保证是严格凸二次规划，在适当的条件下此算法具有全局收敛性和Q-二次收敛性。     

非单调固定步长的自适应信赖域算法

对无约束优化问题提出一种非单调固定步长的自适应信赖域算法.当试探步不被接受时,用固定公式给出 下一个迭代点,同时构造了一个R 函数调整信赖域半径.在适当条件下,证明了新算法的全局收敛性.最后给出 初步的数值实验结果.     

解无约束优化问题的一个新的非单调信赖域算法

在传统信赖域方法的基础上,提出了求解无约束最优化问题的一个新的带非单调线搜索的信赖域算法.该算法采用非单调Wolfe线搜索技术获得迭代步长,新算法在每一迭代步只需求解一次信赖域子问题,克服了每次迭代求解信赖域子问题时计算量较大的缺点.在一定条件下,证明了算法的全局收敛性.数值实验结果表明该算法是有效的.     

基于锥模型的非单调自适应信赖域算法

针对无约束优化问题提出了一个基于锥模型的非单调信赖域算法.首先提出一种求解子问题的新方法,在此基础上给出该文算法.算法结合自适应技术,避免信赖域半径更新的盲目性;并引入滤子技术和新的非单调技术,利用非单调Armijo线搜索得到步长,进而产生新的迭代点.在一定的假设条件下,证明了该算法的全局收敛性,数值实验表明了算法的有效性.     

解无约束最优化问题的一个非单调BFGS信赖域算法

在文[19]的基础上,给出了一个解无约束最优化问题的非单调BFGS校正的信赖域算法.此算法具有较好的性质,所给的BFGS校正的具有二次约束的信赖域子问题总保证是严格凸二次规划.在适当的条件下此算法具有全局收敛性和Q 二次收敛性.     

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。     

解无约束优化的非单调自适应信赖域算法

受文献[14]的启发,针对无约束优化问题提出了一个基于二次模型的非单调信赖域算法;算法结合自适应技术,避免信赖域半径更新的盲目性;并引入新的非单调技术,利用非单调Armijo线搜索得到步长,进而产生新的迭代点;在文献[14]减少一个假设条件的情况下,证明了该算法的全局收敛性,数值实验表明了算法的有效性。     

带有固定步长的非单调信赖域方法

该文提出一种新的非单调信赖域方法．当试探步不能被接受时,算法沿着试探步的方向求得下一个迭代点,其中步长利用固定公式计算．这种方法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．该文采用的非单调策略是基于张洪超和Hanger（2004）出的非单调线搜索技术．在适当的条件下,证明了算法的全局收敛性及超线性收敛性．最后给出了初步的数值实验结果．     

一种非单调L－BFGS方法及其全局收敛性

本文提出了一种新的解大型无约束优化问题的非单调L－BFGS法,不要求目标函数值单调下降,对算法的全局收敛性进行了分析。     

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.     

一类新的带线搜索的自适应非单调信赖域算法

对于无约束优化问题提出了一类基于新锥模型的带线搜索的信赖域算法。利用自适应技术,当试探步不成功时,不需重新求解子问题,而采用Armijo线搜索,以减少计算量。在适当的条件下,证明了算法的全局收敛性。     

一类基于非单调信赖域技术的信赖域修正算法

基于传统信赖域算法,为了解决约束最优化问题,利用非单调信赖域技术调整信赖域半径,矫正罚参数,提出了一种信赖域的修正算法,给出了收敛性证明.数值实验表明了算法的有效性.     

非单调线搜索下的记忆梯度法及其全局收敛性

提出一种新的非单调线搜索准则,结合文献中给出的dk,研究一类新的记忆梯度法,在较弱条件下证明了其全局收敛性.算法采用新的非单调线搜索准则,使目标函数值在每一次迭代时充分下降,有效降低了算法的计算量,同时还减弱了文献中算法的使用条件,从而扩大了算法求解问题的范围.     

一类新的自适应信赖域算法

提出了一类新的自适应信赖域算法.该算法利用相邻迭代点的实际下降量与预测下降量的比值加权和来衡量二次模型的近似程度,同时信赖域半径迭代准则采用由Λ-函数给出的一类自适应迭代准则.在一定假设的条件下,算法具有传统信赖域算法的全局收敛性.数值实验表明,算法是稳健和有效的.