一类带参数的DEP算法及其收敛性分析

基于目标函数的局部二次模型近似,对DFP算法作了改进,提出了一类带参数的DFP算法.在目标函数一致凸和在最优点处Lipshitz连续的假设条件下,证明了带参数的DFP算法具有全局收敛性和局部超线性收敛速率.     

关于DFP方法一个扩充

1971年Powell教授在强凸性这个条件下证明了我们通常称为DFP(即Davidon-Fletcher-Powell)方法的变尺度算法的收敛性,1972年他又在凸函数这个较弱的条件下证明了同样的结论。本文的目的,是在ω~+-凸函数这个更弱的条件下来证明DFP方法的收敛性,从而把这个方法再向前推进一步,以提高它的应用价值.     

Newton法与DFP法的组合方法

本文提出了适合于求解目标函数Hessian矩阵不正定或病态等实际问题的Newton法与DFP方法的组合方法,并证明了该方法具有二次收敛性和全局收敛性     

不假定凸性和精确线搜索时DFP算法的收敛性

对非凸目标函数,Broyden变尺度算法的收敛性是一个没有完全解决的问题.针对DFP修正公式证明在不假定精确线搜索条件下,对光滑的目标函数,当DFP算法得到的点列收敛时,该点列一定趋向于稳定点.指出对于其他Broyden算法结论都是成立的.     

一个改进的超记忆梯度法的收敛性及其敛速估计

本文主要解决了以下两个方面的问题: 1.对于无约束最优化问题,1968年A.Miele、J.W.Cantrell提出了记忆梯度法,接着E.E.Cragg、A.V.Levy又进一步推广提出了超记忆梯度法。1976年M.A.Wolfe和C.Viazminsky又将超记忆梯度法推广,提出了超记忆下降法。对于这些算法的收敛性,特别是收敛速度的估计,至今未见有人从理论上加以讨论,仅是通过一些计算实例,说     

等式约束优化问题的带记忆模型信赖域算法

针对等式约束优化问题提出了一个带记忆的等式约束信赖域算法。该算法不同于传统的信赖域方法,此信赖域模型是记忆模型,从全局考虑目标函数的下降性而不完全依赖于当前点信息,采用非单调技术得到了算法的全局收敛性和超线性收敛性。     

关于超记忆梯度算法的收敛性

超记忆梯度算法是无约束优化的有效算法之一 .它的特点是在每步迭代时充分利用前面迭代点的信息 ,增加了参数选择的自由度 ,有利于构造稳定的快速收敛的算法 ,适于求解大规模无约束优化问题 .该文研究一种超记忆梯度算法 ,在较弱的条件下证明了算法的全局收敛性 .     

Wolfe线性搜索下的超记忆梯度法及其收敛性

研究无约束优化问题,给出了一种新的超记忆梯度法,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.数值试验表明新算法是有效的.     

无约束优化的超记忆梯度法及其全局收敛性

提出一类新的求解无约束优化问题的超记忆梯度法,并在较弱条件下证明了算法的全局收敛性.当目标函数为一致凸函数时,对其线性收敛速度进行了分析.     

解带非线性等式和不等式约束优化问题的超记忆梯度广义投影算法

利用广义投影技术 ,将求解无约束规划的超记忆梯度算法推广 ,建立了求解带非线性等式和不等式约束优化问题的一种超记忆梯度广义投影算法 ,并证明了算法的收敛性。该算法具有稳定、计算量小、所需收敛条件弱、收敛性强等特点 ,并改进了广义梯度投影算法的收敛速度。数值算例表明该算法是有效的。     

一个超记忆梯度广义投影算法

利用广义投影技术 ,将无约束超记忆梯度法推广到非线性不等式约束优化问题 ,从而建立了一个超记忆梯度广义投影算法 ,并在较弱条件下给出了其收敛性证明 ,数值算例表明该算法是有效的     

一类比例延迟Volterra积分微分方程的配置法

研究数值求解一类比例延迟Volterra积分微分方程(DVIDE)的配置法. 讨论了配置法的收敛性和整体超收敛性, 并在一种弱假设条件下给出了配置法的局部超收敛性. 数值实验验证了理论结果的正确性.     

解带非线性等式和不等式约束优化问题的超记忆梯度广义投影算法

利用广义投影技术，将求解无约束规划的超记忆梯度算法推广，建立了求解带非线性等式和不等式约束优化问题的一种超记忆梯度广义投影算法，并证明了算法的收敛性。该算法具有稳定、计算量小、所需收敛条件弱、收敛性强等特点，并改进了广义梯度投影算法的收敛速度。数值算例表明该算法是有效的。     

半线性抛物方程各向异性有限元逼近

利用有限元方法对半线性抛物方程的各向异性双线性有限元逼近进行了研究,得到了相应的超逼近和超收敛性结果.最后的数值算例验证了理论分析的正确性.     

积分方程快速小波迭代Galerkin方法的实现

给出了求解第二类积分方程的快速小波迭代Galerkin方法的数值实现及其超收敛性的数值验证,并相应给出一种特殊形式弱奇异积分的数值计算方法,最后给出两个分别具有弱奇异核和光滑核的数值算例,用数值结果验证了快速小波迭代Galerkin方法的超收敛性.     

求解半定规划问题的一种光滑化方法

目的 求解标准形式的半定规划问题.方法 应用中心路径的性质及NCP函数,构造了求解半定规划的光滑化方法.结果 证明了此方法的全局收敛性及在合适的假设条件下的局部超线性收敛性.结论 数值结果表明了算法的可行性及有效性.     

无约束非单调自适应三次超估方法(英文)

为了求解无约束优化问题,给出了一种非单调三次超估方法,并证明了在适当条件下的全局收敛性和超线性收敛性.     

在一种新型线搜索下DFP算法的全局收敛性

给出了一种较Goldstein-Armijor线搜索更广泛的新型非精确线搜索准则，并证明了在满足一定条件下，这种新型线搜索准则下DFP算法的全局收敛性。     

各向异性网格下具有积分型边界条件的积分微分方程的超收敛性分析

讨论了各向异性网格下线性三角形有限元对具有积分型边界条件的积分微分方程的逼近问题.通过引入新的技巧与方法,得到了相应的超逼近性质和超收敛性结果,从而进一步拓宽了有限元的应用范围.     

Goldstein线搜索下一种超记忆梯度法的全局收敛性

对于无约束优化问题,在目标函数满足一定条件时,证明了Goldstein线搜索下一种超记忆梯度法的全局收敛性。