等式约束优化问题的一类混合共轭梯度投影算法

构造了一种混合共轭梯度法,并将其与Rosen投影梯度法相结合运用于求解线性等式约束优化问题.这种新的混合共轭梯度投影法有效改善了Rosen投影梯度法收敛性速度较慢的情况,并在Wolfe线搜索下具有全局收敛性.     

解带线性或非线性约束最优化问题的结合共轭梯度参数的记忆梯度Rosen投影算法

对于求解无约束规划的记忆梯度算法中的参数。作者利用Rosen投影矩阵给出了一个条件以确定其取值范围。使其在取值范围内取值均能得到目标函数的记忆梯度Rosen投影下降方向。从而建立了求解带线性或非线性约束最优化问题的记忆梯度Rosen投影算法．然后在较弱条件下证明了算法的收敛性。同时给出了具有好的收敛性质和较快收敛速度的结合FR,PR,HS共轭梯度参数的记忆梯度Rosen投影算法,从而将经典的共轭梯度法推广用于求解约束规划问题．由于算法需要较小的存储,算法适合于大规模问题的计算．数值例子表明算法是有效的．     

Rosen梯度投影法及其整体收敛性证明

本文拓广了J.B.Rosen关于线性约束下的极大化问题的梯度投影法中的控制参数列。并在此较弱的条件下,对于任意给定的正的控制参数列{C~k},证明了Rosen方法在n维情况下的整体收敛性。     

ROSEN梯度投影法在线性约束下的收敛定理

文[2]对原Rosen梯度投影法中的控制参数给以较强的约束后证明了方法的收敛性。本文则在取消此约束后证明了方法的全局收敛性。     

最速下降法和共轭梯度的混合算法及全局收敛

将最速下降法与共轭梯度法有机结合起来,构造出一种混合优化算法,并证明其全局收敛性.这种混合优化算法结合了共轭梯度法和最速下降法产生搜索方向,既提高了共轭梯度算法的收敛速度,又解决了目标函数的等值线是扁长椭球时,最速下降法下降缓慢的问题,具有收敛速度快、收敛范围大、适应面广等特点.文中的算法实例表明,混合算法与单纯的共轭梯度法相比,效果更优.     

一种求解无约束优化问题的共轭梯度法

共轭梯度法是求解大规模无约束问题的一种有效方法,本文针对算法的优劣主要依赖于步长因子和搜索方向的特点,结合共轭梯度法的共轭性质,在HS方法和DY方法的基础上,提出了一种混合共轭梯度法,并证明了全局收敛性.     

混合共轭梯度技巧

将ＰＲ法与ＦＲ法混合得到一个混合共轭梯度算法，并证明了全局收敛性。     

一类混合HS和DY共轭梯度法及其全局收敛性

为了寻找同时具有良好的收敛性和数值效果的共轭梯度法.本文将HS方法和DY方法结合,选用Wolfe线搜索,构造出了一类新的混合共轭梯度法.并在Wolfe线搜索的条件下证明了该算法全局收敛性.对新算法进行数值实验,并与HS方法和DY方法的数值结果进行了比较,结果表明新算法是有效的.     

求解无约束优化问题的Dai-Yuan记忆梯度法

将Dai-Yuan共轭梯度法的前提条件βk>0改为βk<0,根据搜索方向的下降性要求,得出一个新的记忆梯度法,并做出了收敛性证明.新算法与Dai-Yuan共轭梯度法联系紧密.数值实验表明了该算法的有效性.     

一种新线性搜索下的混合共轭梯度法

共轭梯度法是求解大规模无约束问题的一种有效方法，文章针对算法的优劣主要依赖于步长因子和搜索方向的特点，结合共轭梯度法的共轭性质，在HS方法和DY方法的基础上，提出了一种混合共轭梯度法，并证明了全局收敛性。     

层次分析中相对熵算法的若干性质

讨论了相对熵算法的一般性质，并给出了特征根法、梯度特征向量法、改进梯度特征向量法同相对熵算法等价的充要条件。     

线性约束优化问题一种简约梯度算法

对线性约束优化问题给出一种简约梯度算法，并证明其收敛性．     

几何规划的简约共轭梯度算法

利用对偶理论将正定式几何规划转化为带有非负约束和线性等式约束下的非线性凸规划,并且将简约梯度算法与共轭梯度算法恰当结合,应用于求解约束正定式几何规划的对偶问题,构造出了求解几何规划的一个有效算法,并在Armijo步长搜索和适当的条件下证明了该算法的收敛性.     

CDMA中匹配滤波波束形成器的一种新的算法

基于适于CDMA的匹配滤波波束形成准则,提出使用幂法计算权矢量的波束形成的新方法.根据相关阵为对称正定阵、特征值全为正数和最大特征值远大于第二大特征值的特点,通过幂迭代的方法求得最大特征值和最大特征矢量,进而进行波束形成.该算法比已有的共轭梯度法方法收敛速度快,每次迭代的乘法数由O(5N2 5N)减少到O(N2 N).本文从理论上分析和仿真验证了该算法收敛特性与干扰信号功率、信噪比和扩频比的关系.     

共轭斜量法在某些特征向量上收敛速度的估计

设 Ａ是对称正定矩阵，λ_1是 Ａ 的最大或最小特征值，χ_1是对应的特征向量．｛zk｝是用共轭斜量法求解方程组 Αχ＝ｂ时的近似解序列，ｅi＝Ａ～(_1)b-zi,本文给出了|x_1～Tei|较合理的上界估计式。从而为分析预处理共轭斜量法提供了进一步的理论基础。     

求解线性不等式组的一类无约束极值方法

求解线性不等式组可行解的方法会带来计算的不稳定性或者是低效率。提出了一类新的求解线性不等式组可行解的方法——无约束极值方法。在非空的线性不等式组可行域的相对内域上建立一个非线性极值问题,根据对偶原理,得到一个对偶空间的无约束极值问题和原始、对偶变量之间的简单线性映射关系,将原来的求解线性不等式组问题转化为一个无约束极值问题。应用了Newton法和共轭梯度法。数值实验结果表明,此方法是有效的。     

关于FR方法与PRP方法收敛性定理的注记

对FR方法Al Baali收敛性定理及PRP方法Polak Ribiere收敛性定理进行了推广 .     

改进的梯度投影单纯形法GPS及其在桁架优化上的应用

对Ｇ．Ｐ．Ｓ．法做了改进，使之概念更加明确、方法更加简易可行，而且求解效 率进一步得到提高。     

Can Newton method be surpassed

A local algorithm is proposed for unconstrained optimization problem. Compared with the traditional Newton method with Choleski factorization, this algorithm has the same quadratic convergence. But its computation cost per iteration in average is less when the dimension n≥55. The saving is estimated in the theoretical framework.