E-MS算法的收敛性

考虑E MS算法的收敛性. 首先, 给出观测广义信息准则(GIC)最小值点的必要条件； 其次, 在模型空间有限性、 参数空间紧性、 Q函数连续性的条件下, 证明E MS算法产生序列的极限点满足观测GIC最小值点的必要性, 是对E MS算法全局收敛性的补充； 再次, 给出满足该必要条件但不满足全局收敛条件高斯图模型的一个实例； 最后, 证明E MS算法的全局收敛性.     

Armijo线搜索修正LS共轭梯度法的收敛性

基于修正LS共轭梯度法,给出合适的初始步长,使采用Armijo线搜索的迭代过程满足充分下降性.在较弱的条件下,证明算法具有全局收敛性和至少线性收敛速率.     

Overton算法收敛性的一个结论

Overton 在[1]中对一般最优场址模型给出了一个具二次终端敛速的算法.但未能证明该算法的收敛性.本文在一定条件下证明了 Overton 算法具有全局收敛性.     

求解带非凸二次约束的广义二次分式规划最小值的全局算法(英文)

基于最近发展的单调优化理论,提出了求解带非凸二次约束的广义二次分式规划最小值的全局算法,给出了算法的收敛性证明. 数值实验表明了该算法的可行性和有效性.     

解线性约束优化问题的自适应-BFGS信赖域算法

针对线性约束优化问题,在每次迭代时充分利用当前迭代点及其一阶导数的信息自动生成一个信赖域半径,结合BFGS算法的优点,构造了线性约束优化问题的一种具有全局收敛性的自适应-BFGS算法.在一定条件下,给出了算法的全局收敛性的证明.     

Banach空间中广义方程的限制型牛顿算法

为求解Banach空间中由单值和集值映射之和构成的非光滑广义方程,该文主要构造了一种限制型牛顿算法,并在度量正则性假设下,给出了该型牛顿算法的线性收敛性的证明.作为应用,文章还研究了一种限制型邻近点算法的收敛性条件.     

同伦内点方法求解一类无界区域上的多目标规划问题

提出一种求解一类无界约束集上多目标规划问题的同伦内点方法. 先利用目标函数的Hessian矩阵构造一组无界性条件, 并给出满足该条件的一个简单实例; 再证明连接给定初始点[KG*8]和多目标规划解点内路径的存在性; 最后给出同伦内点法的全局收敛性结果.     

同伦内点方法求解一类无界区域上的多目标规划问题

提出一种求解一类无界约束集上多目标规划问题的同伦内点方法. 先利用目标函数的Hessian矩阵构造一组无界性条件, 并给出满足该条件的一个简单实例; 再证明连接给定初始点[KG*8]和多目标规划解点内路径的存在性; 最后给出同伦内点法的全局收敛性结果.     

新拟牛顿方程下一类改进BFGS算法的全局收敛性

文献[1]曾在已建立的一类新拟牛顿方程Bk 1sk=yk-=yk kγskTsksk的基础上,证明了满足新拟牛顿方程的一类改进BFGS算法在目标函数为一致凸的条件下,具有全局收敛性。此文针对该算法,给出了全局收敛性的另一种证明方法。     

一般变分不等式的非精确邻近点算法收敛性

针对希尔伯特空间中的一般变分不等式,将其等价转化为变分包含问题.利用非精确邻近点算法将问题进一步转化为求解一系列子问题,给出了一种近似解子问题的新误差准则,结果表明:在该准则下,非精确邻近点算法具有全局收敛性.在算子F是g-单调和算子g是同胚映射的条件下,得到非精确邻近点算法收敛于一般变分不等式的一个解,证明了解是唯一的.     

一种基于弱拟牛顿方程的单调梯度法的收敛性

基于弱拟牛顿方程,Leong W J等人提出了一种单调梯度法,该算法在每次迭代时利用对角矩阵逼近Hessian矩阵,使计算量和存储量明显减少,并且此算法对凸函数具有收敛性。在此算法的基础上,进一步研究了算法对于一般函数的收敛性,并证明了在一定的假设条件下算法仍具有全局收敛性、R-线性收敛性和超线性收敛性。     

一类随机微分方程欧拉格式的收敛性

为进一步研究标量自治随机微分方程的数值解,给出了求解方程的欧拉格式,证明了方程的偏移系数和扩散系数均满足全局Lipschitz条件时的收敛性,并求出了局部收敛阶和均方强收敛阶.证明过程中放宽了限制条件,也得到了与系数满足全局Lipschitz条件和线性增长条件时相同的收敛阶.     

广义线性特征系统和广义线性相对特征系统

本文提出了广义线性特征系统和广义线性相对特系统等概念,给出了广义系统为线性相对特征系统的充分条件和为广义线性相对特征相对特征系统的充要条件,最后,对广义线性相对特征系统的极点配置和稳定化问题给出一种算法。     

一类不可微凸规划的信赖域算法(英文)

提出了求解一类不可微凸规划的信赖域算法，该算法不满足有关文献中的假定，证明了算法的全局收敛性。     

弱收敛在勒贝格积分中存在性证明及其具体应用

为了证明勒贝格积分是否具有弱收敛性,基于勒贝格相关理论,得到勒贝格积分存在弱收敛的充要条件为{f_k}在L^p空间中有界;同时,得出需满足{f_k}在测度E范围内的积分极限值等于其积分值的条件.最后,将勒贝格积分应用在概率统计方面,并采用Lebesgue-Stieltjes积分分别表示随机变量及数学期望.     

基于三次模型的线搜索方法及其收敛性

针对无约束优化问题,给出一种基于三次模型的线搜索型算法,并在适当的条件下证明算法的全局收敛性.该算法以对称矩阵代替原三次模型中的Hessian阵,并且不需要保持正定和Dennis-Moré条件,它与一般线搜索法不同,在每次迭代中步长可以在下降方向上由显性公式直接确定,从而可以减少搜索计算.     

关于拟牛顿法求解等式约束优化问题的超线性收敛条件

拟牛顿法是求解约束优化问题的有效方法之一,许多作者在理论上讨论了此类算法的全局收敛性和收敛速度,但关于收敛速度的条件讨论较少．Ｂｏｇｇｓ等人给出了一个拟牛顿方法求解等式约束优化问题的超线性收敛的充要条件,但假设条件较强．本文利用分析和代数的技巧,在较弱的条件下证明了该算法的超线性收敛的充要条件仍然成立．     

非光滑方程信赖域算法的全局收敛性(英)

给出一个解非光滑方程的信赖域算法，提出弱正则SPN分解和弱正则条件数的定义．在弱正则条件下，证明此算法的全局收敛性．     

伪单调均衡问题的一种加速投影算法

介绍了求解均衡问题的几类算法,并针对收敛性证明需要Lipschitz连续性条件的问题,提出了一种加速投影算法.该算法首先由辅助问题原理和Armijo型线搜索得到一个预估点并以此构造一个超平面,进一步通过选择适当步长和减小投影域使得算法产生的序列快速收敛,从而实现加速投影的目的.最后,在双重函数f伪单调且不需要Lipschitz连续的条件下,证明了该算法产生的迭代序列全局收敛到伪单调均衡问题的解.