解非线性方程的一族修正Chebyshev-Halley迭代方法

提出一族求解非线性方程的修正Chebyshev-Halley迭代方法.该方法避免了计算函数的二阶导数,且具有至少三阶收敛的性质,当参数选取特殊值时,可以得到四阶收敛方法.收敛性分析和数值实验结果表明,该方法与具有同阶收敛性质的算法相比效率更高.     

广义Armijo步长搜索下的梯度算法的收敛特征

对无约束规划（P）：minf(x)。其中,f(x)是R^n→R^1上的一阶连续可微函数,在去掉迭代点列{xk}有界和广义Armijo步长搜索下,讨论了梯度算法的全局收敛性,证明了算法具有较强的收敛性质。     

一族带有个参数的三阶收敛迭代方法

 提出一种求解非线性方程f(x)=0近似解问题的一族带有3个参数的迭代方法, 通过选取不同的参数值, 可以得到不同的迭代方法. 该方法不用计算函数的二阶导数即可达到三阶收敛. 收敛性分析和数值实验表明, 该方法与其他同阶收敛性质方法相比具有一定的有效性.     

解非线性方程的Chebyshev-Halley型修正算法

考虑求解非线性方程的迭代解法,研究带一个参数的三阶Chebyshev-HMley型迭代族方法.在文中对该迭代族进行修正,把二阶导数进行近似代替,得到了一族新的双参数三阶迭代族,并且当参数取特殊值的时候,又可以得到一个具有四阶收敛的新迭代算法.     

求解箱约束变分不等式的不精确LM-型算法

利用箱约束变分不等式VI(a,b,F)的NCP-函数,提出求解VI(a,b,F)的不精确Lev-enberg-Marquardt型算法.每次迭代只需求线性方程组的一个近似解,算法仍具有全局收敛性.无需假设极限点x*是否退化,在BD-正则的条件下,算法局部超线性(二次)收敛.最后给出数值试验结果.     

f（x）零点的一种迭代解法

本文推导一种同时求解f（x）零点的迭代解法,并分析了方法收敛性及收敛阶,最后给出若干算例.     

求解非线性方程组的一种新的L-M方法

重新构造L-M迭代参数,即μk=θ‖F k‖+(1-θ)min{‖F k‖,‖JT k F k‖},θ∈n[0,1],来求解非线性方程组F(x)=0.在算法中,当试探步不成功时,采取新的非精确线搜索技术获得下一个迭代点.在适当假设条件下,证明了该算法具有全局收敛性.数值实验表明该算法是有效的.     

非单调QP-free非可行域方法

提出了带有Fischer-Burmeister非线性互补(NCP)数的非单调QP-free非可行域算法.根据优化问题的一阶KKT条件,利用乘子和NCP函数,得到非光滑方程,给出解这个非光滑方程的迭代算法.该算法包含原始-对偶变量,在局部意义下,可看成关于一阶KKT最优条件的扰动牛顿-拟牛顿迭代算法.在线性搜索时,此算法采用非单调方法.给出的算法是可实现的并具有全局收敛性,且在适当假设下具有超线性收敛性.     

解非线性方程组的一个改进牛顿法

针对牛顿法公式的局限性,利用非线性方程组F(x)=0的一个同解方程组的牛顿法公式,构造了求解非线性方程组F(x)=0的一个迭代法公式,牛顿法迭代公式是其特例,并讨论了其收敛性,通过算例说明了算法的有效性.     

广义Armijo步长搜索下的梯度算法的收敛特征

:对无约束规划 (P) :minx∈Rnf(x) ,其中 ,f(x)是Rn→R1上的一阶连续可微函数 ,在去掉迭代点列 {xk}有界和广义Armijo步长搜索下 ,讨论了梯度算法的全局收敛性 ,证明了算法具有较强的收敛性质。