一类非单调修正βWYLk算法的全局收敛性

结合文[1]给出的新公式βWYLk,提出了一种非单调线搜索下的修正βWYLk算法,该方法保证每次迭代中的搜索方向是充分下降的.在较弱的条件下,我们证明了此类非单调修正βWYLk算法具有全局收敛性,数值试验表明该方法具有良好的数值结果.     

一种修正HS共轭梯度法的全局收敛性

对HS算法进行了修正,在非单调线搜索下,该方法保证每次迭代中的搜索方向是充分下降的。在较弱的条件下,证明了此类非单调修正HS算法具有全局收敛性。最后对算法进行了数值试验,试验结果表明,该算法具有良好的收敛性和有效性,尤其适合求解大规模无约束优化问题。     

求解非线性方程组的一个修正非单调L-M算法

利用非单调搜索准则提出求解非线性方程组的修正Levenberg-Marquardt算法(L-M算法).算法中,当试探步未被接受时,执行非单调线搜索来获取下一个迭代点.在适当的假设条件下,证明了该算法具有全局收敛性和局部二次收敛性.数值实验表明该算法是有效的.     

求解非线性方程组的一个修正非单调L-M算法

利用非单调搜索准则提出求解非线性方程组的修正Levenberg-Marquardt算法(L-M算法).算法中,当试探步未被接受时,执行非单调线搜索来获取下一个迭代点,在适当的假设条件下,证明了该算法具有全局收敛性和局部二次收敛性,数值实验表明该算法是有效的.     

一类新的修正Fletcher-Reeves算法

研究了一类非单调线性搜索技术在无约束化问题共轭梯度算法中的应用,该类非单调线性搜索是属于Armijo型的线性搜索.在适当的条件下,对一般非凸函数,证明了新给出的的非单调线性搜索下,修正Fletcher-Reeves共轭梯度算法的全局收敛性,数值结果表明了该算法的有效性.     

一类无约束优化问题的非单调谱共轭梯度方法

结合文献[5]给出的求解非线性无约束优化问题的新公式βkWYL=[gTk(gk-‖gk‖/‖gk-1‖gk-1)]/gk-1Tgk-1提出了一种新的非单调谱共轭梯度法,证明算法具有全局收敛性,并进行数值试验.数值试验结果表明,该方法具有良好的计算效能,特别适合于求解大规模无约束优化问题.     

一类非单调修正DY共轭梯度法

研究了一类非单调线搜索修正DY法,在适当的条件下,对一般非凸函数,证明了在新给出的非单调线搜索下修正的DY共轭梯度方法的全局收敛性,数值结果表明了该算法的有效性。     

求解非光滑问题的修正HS共轭梯度法

结合Moreau-Yosida正则化和非单调线搜索技术,提出一种求解非光滑问题的修正HS共轭梯度算法.推导出搜索方向自动满足充分下降条件,证明该算法在适当条件下具有全局收敛性.数值算例验证了该算法能够高效地处理非光滑极小化问题.     

求解非线性方程组的一类非单调修正Levenberg-Marquardt算法

通过将非单调搜索准则与修正Levenberg-Marquardt(L-M)算法结合,提出了求解非线性方程组的一个新的非单调修正L-M方法.新算法在每次迭代步都引入校正步,使新的试探步更靠近Moore-Penrose步.利用信赖域技巧修正L-M参数,在一定的条件下,证明了该算法的全局收敛性.数值试验表明了算法的有效性.     

关于非单调拟牛顿算法的一个改进

对于无约束优化问题提出了一类新的非单调拟牛顿算法.该算法在修正的拟牛顿方程基础上添加参数,从而推广了已有的拟牛顿方程.采用非单调线性搜索准则,并在一定条件下证明了新的非单调拟牛顿算法具有全局收敛性.     

无约束优化的修正谱梯度法

在Barzilai-Borwein(BB)谱梯度法的基础上,利用相关文献中的修正拟牛顿条件,给出一个采用杂交谱梯度步及新型非单调Armijo线搜索的修正谱梯度法,在较弱的条件下证明了算法具有全局收敛性,并对相应算法进行数值实验,结果表明该方法比原BB方法更有效,给出的步长公式为谱梯度法提供了新的步长选择.     

无约束优化的修正非单调记忆梯度法

针对无约束优化问题提出了一种修正的非单调记忆梯度法,该修正的非单调技术利用前若干个点的凸组合得到一个参照量,然后将试探点的函数值与该参照量进行灵活比较,从而决定该试探点是否被接受.该算法是现有非单调方法的一个推广,在合理的假设条件下,得到了算法的全局收敛性.数值实验结果表明,该算法是有效且易于实现的.     

一类新的自适应非单调谱投影梯度法

给出了求解凸约束优化的一类新的自适应非单调谱投影梯度法.通过引入具有自适应性的权重参数,使算法在迭代过程中能自动调节非单调策略. 在适当条件下证明了算法的收敛性.数值试验结果表明,该算法在一定程度上能减少在线搜索过程中对非单调参数M的依赖.     

一种含参数的修正HS共轭梯度法及其收敛性

提出了一种含参数的修正HS共轭梯度法,该算法具有性质:1参数βBHSk不仅具有梯度值的信息还具有函数值的信息;2参数βBHSk是非负的;3其产生的搜索方向是充分下降的。在合适的条件下,证明了该算法在弱的Wolfe线搜索下具有全局收敛性,数值结果证明了该算法对于求解无约束优化问题的有效性。     

一种非单调带线搜索的L-M方法

基于累次的函数平均值下降,采用非单调搜索技术,提出求解无约束优化问题的一个新的非单调线搜索的L-M方法,而传统的非单调线搜索方法取当前迭代点及前m(k)个点中函数值最大的作为参考函数值.在适当条件下,证明该算法的收敛性和k次线性收敛.     

一个修改的非单调BFGS信赖域方法

在MBFGS方法以及一种非单调的搜索技术的基础上,提出了一种非单调BFGS信赖域方法.相对于单调的BFGS信赖域方法而言,该算法采用了非单调技术,使得信赖域子问题的求解更加容易.此外,在一定的假设条件下,证明了算法的全局收敛性.进一步的数值实验验证了算法的有效性.     

绝对值方程的非单调光滑算法

给出了一个新的非单调线性搜索技术,其包含传统的单调线性搜索和一些非单调线性搜索.基于新的非单调技术,给出了一个求解绝对值方程的光滑算法,证明了算法具有全局和局部二次收敛性质.数值试验表明算法是有效的.     

一个修改的非单调BFGS信赖域方法

在MBFGS方法以及一种非单调的搜索技术的基础上,提出了一种非单调BFGS信赖域方法.相对于单调的BFGS信赖域方法而言,该算法采用了非单调技术,使得信赖域子问题的求解更加容易.此外,在一定的假设条件下,证明了算法的全局收敛性.进一步的数值实验验证了算法的有效性.     

基于非单调线性搜索技术的修正HS共轭梯度法

基于拟牛顿法中MBFGS修正技术,对HS共轭梯度法中搜索方向的计算公式进行了修正,在较弱的条件下,结合非单调Armijo线性搜索技术,证明了所提出的修正HS共轭梯度法具有全局收敛性,最后通过数值实验验证了所提出的算法的有效性。     

一种修正的Fletcher-Reeves共轭梯度法及其全局收敛性

提出了一种修正的Fletcher-Reeves共轭梯度法,该算法具有不依赖于线搜索方法的充分下降性.在一定条件下建立了基于Armijo或Wolfe线搜索利用该算法求解非凸优化问题的全局收敛性定理.相关的数值试验结果检验了该方法的有效性.