两类五阶收敛的牛顿迭代格式

在两种三阶的牛顿变形方法的基础上,利用线性插值和待定系数法得到了两类新的牛顿变形方法.这两类方法都只增加了一个函数值就提高了原来两种三阶方法的收敛阶数和效率指数.从理论上证明了这两类方法的收敛阶都能达到五阶,其中有一种方法可以达到六阶收敛.数值实验结果验证了此方法的有效性,丰富了非线性方程求根的方法,在理论上和应用上都有一定的价值.     

五阶收敛的牛顿迭代改进法

以解非线性方程的牛顿迭代法为基础,利用牛顿定理,给出了一类具有五阶收敛的牛顿迭代改进法,并讨论了它们的收敛性和误差估计.     

一种15阶收敛的牛顿迭代修正格式

给出非线性方程求根的一种迭代方法,该方法是一种牛顿迭代修正格式,证明了此迭代格式是15阶收敛到单根的。通过数值实验,把所给方法与牛顿迭代法以及其它几种牛顿迭代法的变形法进行了比较,试验数据表明,本文方法有较好的效果。     

一类求解非线性方程的3阶收敛迭代格式

该文提出了求非线性方程根的3阶收敛的牛顿类迭代方法,并对收敛性进行了证明.该牛顿类迭代方法有效地克服了传统的牛顿迭代方法在目标函数的1阶导数等于0或者接近于0时失效的缺点.通过数值例子来验证该类迭代格式的有效性.     

6阶收敛的牛顿迭代修正格式

给出两种牛顿迭代法的修正格式,证明了该迭代格式是六阶收敛到单根.数值实验表明,与其它已知的牛顿迭代格式相比,该迭代格式具有一定的优越性.     

两类改进的六阶Newton迭代方法

通过改进4个三阶收敛的Newton迭代法得到一些新的方法来解非线性方程,并证明这些方法的收敛性.然后通过数值实例对新方法和原来的三阶收敛迭代法进行比较,说明新的迭代方法的有效性.     

一族带有参数的三阶收敛迭代方法

根据经典牛顿法和Runge-Kutta方法的思想,文章提出了解非线性方程f(x)=0近似解的一族带有参数的迭代方法,即通过设定不同的参数值,从而得到不同的迭代方法。经收敛性分析和证明,得出该族方法都至少三阶收敛到单根,目前一些已知改进的牛顿迭代法都是该族方法中的特殊情况。最后用数值试验证明了该方法与同阶收敛性质方法相比具有一定的有效性。     

非线性方程求根的平方根牛顿方法

提出了非线性方程求根的平方根牛顿迭代方法,通过分析与证明该方法具有三阶收敛的,最后给出了数值试验,计算结果表明,该方法是有效的.     

一个自动调节参数3阶收敛的抛物线法公式

提出了一个自动调节参数、3阶收敛的抛物线法公式,其每步迭代只需计算2个函数值,避免了导数值的计算.数值实验表明,该方法与具有同阶收敛性质的算法相比效率更高.     

一族求解非线性方程的高阶迭代方法

给出了一族解非线性方程的具有高阶收敛速度的迭代方法.该方法不仅包含了文献中的十六阶迭代方法,而且还给出了新的十六阶迭代方法.最后,通过数值算例验证了方法的有效性和可行性.     

一类Armijo搜索下的记忆梯度法及其全局收敛性

通过构造新的kβ,提出了一种新的无约束优化问题的记忆梯度算法,同时在Armijo线搜索下分析了该算法的全局收敛性,数值实验表明了新算法的有效性。     

一类多变量自校正控制器及其收敛性的研究

本文结合极点配置的基本设计思想,提出了一类具有输出跟踪的多变量自校正控制算法。该算法将工程应用中提出的要求与系统的性能指标联系起来,实现了闭环极点配置的广义最小方差控制,而性能指标中加权多项式矩阵R(z~(-1))的选取是根据使闭环系统输出对参考信号实现稳态无偏跟踪的原则进行的。进而运用Martingle收敛理论对算法进行了研究,导出了控制器的无偏收敛条件。数字仿真研究表明了该算法的可行性和有效性。     

Wolfe线搜索下一类新的共轭梯度法及其收敛性

本文提出一类新的共轭梯度法,证明了其在Wolfe线搜索下具有全局收敛性,最后对算法进行数值试验,数值结果表明该算法是有效的。     

一类非光滑最优化问题的逐次二次规划方法及其全局收敛性

本文给出了一类非光滑问题的逐次二次规划方法．问题的目标函数是凸函数和一个非光滑合成函数之和．方法利用二次规划的解作为搜索方向，新的迭代点由不精确线搜索得到．在较弱的条件下，证明了方法的全局收敛性．     

论线性方程组迭代解法的收敛与加速

本文应用Ｓｈａｎｋｓ变换讨论了线性方程组的迭代求解问题，在一定条件下将发散的迭代序列改变为收敛的序列，并探讨了收敛的迭代序列的加速问题。     

一类新的记忆梯度法及其收敛性

提出一类新的求解无约束优化问题的记忆梯度法。算法在每步迭代中利用当前和前面迭代点的信息产生下降方向,采用精确线性搜索或Wolfe非精确线性搜索产生步长,在较弱条件下证明了算法具有全局收敛性和线性收敛速率。数值试验表明算法是有效的。     

具有参数超平方收敛的抛物线法公式类

在有记忆单点迭代的Muller法中,通过引入多点迭代思想,提出了一类具有参数有记忆两点迭代的抛物线法公式,其收敛阶为1+√2,达到了超平方收敛.并且给出了该类方法的最佳迭代参数,使其收敛阶达到3.30.数值试验表明该类方法优于Muller法和Newton法.     

保守修正BFGS算法及全局收敛性

基于新拟牛顿方程,提出一类保守修正BFGS算法.该算法的特点是:即使当目标函数是非凸函数时,该算法仍然是全局收敛的.在适当的条件下,该算法具有局部超线性收敛性.初步的数值实验表明,该算法是有效的.