求解广义非线性互补问题的自适应信赖域方法

提出一个求解广义互补问题的自适应信赖域算法,在适当假设下,证明算法具备全局收敛性和局部收敛性.     

基于简单二次函数模型的非单调自适应信赖域算法

基于简单二次函数模型,结合非单调技术和自适应技术,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,并在适当的条件下,证明了算法的全局收敛性和超线性收敛性.理论分析算法是有效的,适合求解大规模问题.     

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.     

自适应搜索的免疫粒子群算法全局收敛性分析

算法的收敛性分析,不仅对算法提供了理论支持,而且能够提高算法的实际应用效率.在随机搜索算法的基础上给出一些粒子群算法收敛性的证明方法,并且修正了一篇论文中两个不正确的收敛性证明.而且将粒子群算法的收敛性证明扩展到免疫粒子群算法中,证明了由张超等人提出的基于自适应搜索的免疫粒子群算法的收敛性,对于以后免疫粒子群算法的改进和使用有很大的帮助.     

自适应DSTLMS算法及其应用

本文提出了离散正弦变换域LMS(DSTLMS)自适应滤波算法,证明了算法的收敛性,导出了算法的收敛条件,分析了算法的学习特性,讨论了算法在语音信号自适应滤波、自适应线性预测和自适应平滑滤波方面的应用.理论和模拟实验表明了DSTLMS算法有比常规LMS算法快得多的收敛速率.     

一个新的锥模型自适应信赖域算法

对无约束最优化问题提出了一类锥模型自适应信赖域算法.信赖域半径的修正采用一个新的自适应调节策略.算法在每步迭代中以当前迭代点的信息以及水平向量信息来调节信赖域半径的大小.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,并且给出了相应的数值结果.     

求解非线性最小二乘问题的自适应锥模型信赖域算法

针对非线性最小二乘问题,利用锥模型算法思想,给出了海赛矩阵中二阶信息项的割线近似的不同校正公式,并利用自适应信赖域技术给出了求解非线性最小二乘问题的自适应锥模型信赖域算法.算法中我们允许使用非精确方法近似求解信赖域子问题.文中给出了新算法的全局收敛性和超线性收敛性分析以及数值试验结果.     

带回溯线搜索的新锥模型信赖域算法

结合线搜索方法计算量小的优点和信赖域算法很好的收敛性,将回溯线搜索应用到新锥模型自适应信赖域方法上构造了一类新的算法,并证明了该算法具有全局收敛性。初步的数值实验表明该算法是可行的。     

广义非线性互补问题的自适应信赖域方法

给出了一个求解广义非线性互补问题的自适应信赖域方法.在局部误差界的假设条件下,证明了算法具有全局收敛性和Q-二阶收敛性.     

一种自适应改变惯性权重的粒子群算法

针对标准粒子群算法收敛性和收敛速度的问题,分析标准粒子群算法惯性参数对算法性能优化的影响,提出一种自适应改变惯性权重的粒子群算法（ACPSO）。通过对粒子速度和位置变化过程的分析,并结合早熟收敛程度和个体适应值自适应的调整惯性权重,使得算法能在全局收敛性和收敛速度之间找到良好的平衡关系,并且通过典型的函数测试,表明此方法有效的控制了粒子群的多样性,而且具有良好的收敛速度。