解互补问题的一类广义拟牛顿算法

互补问题在实际生活中有着广泛的应用,是当前研究的一个热点问题,从而产生了很多的解决途径.本文利用互补函数将互补问题转化为一个无约束最优化问题,从而构造了一类求解互补问题的广义拟牛顿算法,并从理论上给出了无约束最优化问题的解是原互补问题解的一个充分条件.数值实验表明算法不仅可行而且效果较好.     

求解非凸函数优化问题的修正广义拟牛顿算法

对无约束最优化问题,提出了一种修正的广义拟牛顿算法,证明了该算法对非凸函数在Goldstein非精确线搜索下具有全局收敛性．     

一类新的光滑函数及求解非线性互补问题的光滑牛顿算法

本文构造了非线性互补问题的一类新的光滑函数,利用新的光滑函数将非线性互补问题转化为非线性方程组。然后提出了求解一般非线性互补问题的光滑化牛顿算法,并且证明了算法的全局和局部收敛性。     

一类改进的拟牛顿算法

在利用拟牛顿算法求解非线性无约束优化问题中,本文在文献[8]提出的拟牛顿方程基础上,通过加权形式构造一类改进拟牛顿方程,产生了修正的BFGS校正公式,进而提出改进的拟牛顿算法,在一定条件下证明新算法的全局收敛性。数值实验结果表明,与文献[12]中的拟牛顿算法对比,新算法在迭代次数上更有优势。     

广义拟牛顿算法对一般目标函数的收敛性

对于无约束最优化问题minf(x),x∈Rn,提出了一种广义拟牛顿算法,并且讨论了广义拟牛顿算法对一般目标函数的全局收敛性,以及当f(x)满足Lipschitz连续的条件下,证明了相应的超线性收敛定理。     

拟牛顿算法的收敛特性及算法的拓广

介绍了拟牛顿算法的收敛特性，即算法采用精确线性搜索与非精确线性搜索时具有的全局收敛性与超线性收敛性。这些优良性质使拟牛顿算法类在优化算法中占有极为重要的地位。相关的研究成果十分丰富，这里作一简要介绍及若干算法拓广。     

求解P0-函数混合互补问题的正则化光滑牛顿算法

基于扰动的CHKS光滑MCP函数,提出了求解P0-函数混合互补问题的一种正则化的光滑方法.该算法中的正则参数和光滑参数都是彼此独立的变量,并且可以通过线性方程组的迭代很快得到.数值结果表明该算法是可行有效的     

解互补问题的—类广义拟牛顿算法

互补问题在实际生活中有着广泛的应用,是当前研究的一个热点问题,从而产生了很多的解决途径。本文利用互补函数将互补问题转化为一个无约束最优化问题,从而构造了一类求解互补问题的广义拟牛顿算法,并从理论上给出了无约束最优化问题的解是原互补问题解的一个充分条件。数值实验表明算法不仅可行而且效果较好。     

非线性规划问题的异步并行的拟牛顿算法

提出了一种求解非线性规划问题的异步并行拟牛顿算法，若假设目标函数是凸的，线性搜索采用Wolfe原则，讨论了所设计的并行算法的全局收敛性。     

求解非线性方程组的一个光滑化一步牛顿算法

针对非线性非光滑函数方程组提出了一种新的光滑化一步牛顿算法,这个算法的每步迭代只需要解1个线性方程组,执行1次线搜索.证明了该算法是全局收敛的,并且在一定条件下,证明了它的局部超线性收敛性和二次收敛性.     

复合非光滑优化问题的一类算法

提出复合非光滑优化问题的一类算法，并证明这种算法保持全局收敛性且敛速度达到超线性。     

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．     

非光滑凸最优化的一类全局收敛算法

本文利用非光滑凸分析基本理论,对无约束非光滑凸最优化问题(I)min f(x),x∈R~n,提出了一类信赖域算法,在一定条件下证明了算法的全局收敛性,并指出了利用次梯度聚集方法实现算法的途径。     

用半光滑牛顿法求解带非零下界的最佳插值问题

讨论带非零下界约束的最佳插值问题(k≥2):m inf(k)2,满足插值条件f(ti)=yi(i=1,…,n)和f(k)≥l≥0的解的性质,给出求解该问题的半光滑牛顿型算法并讨论算法的收敛性.     

关于两类特殊矩阵快速算法的几点注记

本文讨论了Toeplitz矩阵、Vandermonde矩阵以及两类特殊多项式矩阵乘积的快速算法以及(分块)三角形矩阵的有关计算问题的时间界,所得结果改进和拓广了有关文献的结论。     

等式约束下广义几何规划的一种新算法

对等式约束下的广义几何规划问题,构造了一种新的数值方法,此方法不仅不依赖于初始点的选取,避免了Maratos现象,而且还具有全局收敛性和局部二次收敛性.     

截断正态分布参数估计的EM算法

用ＥＭ算法解决了截断正态分布参数的估计问题．在Ｍ步计算时，对算法提出了修正．实例计算与计算机模拟表明，修正后的算法属于广义ＥＭ算法（ＧＥＭ算法）．     

Sylvester矩阵方程的改进IO迭代算法

通过对Sylvester矩阵方程的理论分析,可知IO迭代算法中迭代矩阵的谱半径随内迭代次数的增大而减小,更新了IO迭代算法中内迭代次数的选择方法,并证明了该算法收敛性与初始矩阵无关。Sylvester矩阵在满足一些特定条件下,为了进一步提高收敛速度,可通过选择适当的相关参数,使得IO迭代算法有较好的收敛速度且比Smith算法的迭代次数明显减少。     

一个修正的l_1模算法

对ＢＳ算法进行了修正，找出其内部量的递推关系，构造了一个更有效、简捷的算法