一类特殊算法的收敛性质

文〔1〕介绍了一类带精确线搜索的下降算法并用此算法统一处理了最速下降法,共轭梯度法等的收敛性。本文在四种非精确线搜索下讨论了一类比〔1〕广的特殊算法,并获得了算法较强的收敛性质。     

一种自动充分下降的共轭梯度法

设计了一个新的含参数的共轭梯度公式,此公式自动拥有充分下降性质,在适当条件下,新算法在WWP线搜索下全局收敛.数值实验结果表明新算法是有效的,适用于无约束优化问题的求解.     

一种全局收敛的线搜索滤子SQP方法

对于求解不等式约束优化问题,将线搜索和滤子方法相结合提出了一种新的线搜索滤子序列二次规划( filterSQP)方法.该方法克服了传统的SQP方法二次子问题不相容的困难,并利用滤子避免了罚函数的使用.同时在合理条件下证明了此方法具有全局收敛性质.     

一类新共轭梯度法在几种非精确线搜索下的收敛性

讨论在三种非精确线搜索下，NCG法的收敛性质。     

一种修改的PRP共轭梯度法

用新的PRP参数公式修改一种已知的线搜索,建立此线搜索下的共轭梯度算法,并证明算法能满足充分下降条件,而且在适当条件下全局收敛.     

非精确线搜索条件下共轭梯度法的收敛性分析

对Hideaki与Yasushi提出的两种使用目标函数值的共轭梯度法进行了研究,在一种新的Wolfe型线搜索条件下分析了它们的收敛性质.通过讨论可知,在其它的非精确线搜索条件下这两种共轭梯度法也是可行的.最后的数值试验表明了所给共轭梯度法的有效性.     

一类新型的修正WYL共轭梯度算法

针对大规模无约束优化问题,提出一类新型的修正WYL共轭梯度算法。新算法不依赖任何线搜索且具有充分下降性和信赖域性质,在弱Wolfe-Powell线搜索下全局收敛。初步的数值实验结果表明,新算法是有效的,比经典WYL型共轭梯度法更具竞争性。     

一类新的混合共轭梯度算法

共轭梯度算法在无约束最优化问题中有着广泛应用.现给出的一类新的共轭梯度算法,在迭代过程中保持了下降性质;在一般Wolfe线搜索条件下,新算法是全局收敛的.     

一类修正Hager-Zhang共轭梯度法的收敛性及其数值实验

为有效提高求解无约束优化问题的计算效率, 提出一类新的修正Hager-Zhang共轭梯度法, 该算法不依赖线搜索, 具有充分下降性和信赖域性质. 理论研究结果表明, 在常规假设条件下, 新算法不仅在弱Wolfe-Powell线搜索下对一般函数全局收敛, 且对一致凸函数具有R-线性收敛速度. 数值实验结果表明, 新算法比经典Hager-Zhang算法及其两个修正算法性能更优.     

一类修正Hager-Zhang共轭梯度法的收敛性及其数值实验

为有效提高求解无约束优化问题的计算效率,提出一类新的修正Hager-Zhang共轭梯度法,该算法不依赖线搜索,具有充分下降性和信赖域性质.理论研究结果表明,在常规假设条件下,新算法不仅在弱Wolfe-Powell线搜索下对一般函数全局收敛,且对一致凸函数具有R-线性收敛速度.数值实验结果表明,新算法比经典Hager-Zhang算法及其两个修正算法性能更优.     

一类共轭梯度法的全局收敛性

将具有某种性质的一类共轭梯度法与一种Armijo型线搜索方法相结合,得到了一类新的共轭梯度算法,证明了这类新算法是全局收敛的,PRP方法为其一个特例。数值试验表明,新算法是有效的。     

无约束优化问题线搜索方法的收敛性

在较弱条件下给出了5种线搜索准则下的线搜索方法的收敛结论,这些结论对于构造快速有效的收敛算法是十分有用的。表明了搜索方向在这些方法中起主要作用,同时步长在一定条件下保证了算法的全局收敛性。说明了算法可用于求解更广泛的无约束优化问题。     

一种修正三项Hestenes-Stiefel共轭梯度投影算法及其应用

提出一种新的修正三项Hestenes-Stiefel共轭梯度投影算法, 用于求解大规模非线性方程组问题和信号恢复问题. 该算法通过构造一个新的修正Hestenes-Stiefel搜索方向, 结合经典线搜索方法和超平面投影技术而得, 新搜索方向在不需要任何线搜索条件下自动满足充分下降性, 在常规假设条件下, 新算法具有全局收敛性质. 数值实验结果表明,  新算法高效且稳定.     

一类新的记忆梯度法

提出了一类新的求解无约束优化问题的记忆梯度法,在较弱条件下证明了该方法的全局收敛性和线性收敛速率.该算法无需任何线搜索而具有充分下降性,且搜索方向自适应在一个信赖域范围之内;该方法继承了著名PRP方法的一个主要性质:当步长很小时,搜索方向靠近于最速下降方向,避免了连续小步长的产生.初步的数值实验结果表明该方法是有效的.     

几类非精确线搜索下共轭梯度法的收敛条件

在几类非精确线搜索下讨论一般共轭梯度法的收敛条件，运用此条件，对一类新算法的收敛性进行分析。     

求解对称锥互补问题一个新的光滑函数方法

针对求解单调对称锥互补问题(简记为SCCP),构造了一个新的光滑逼近函数,分析了该函数的一些基本性质.基于这一新的光滑函数提出一个具有非单调线搜索的光滑算法,最后在适当的条件下,证明所提算法是全局超线性收敛.     

一种新的非精确线搜索策略及其收敛性质

对无约束优化问题,给出一种新的非精确线搜索策略.该线搜索准则可以在每一步迭代中获得更多的下降量,特别地,它可看作是一般非精确线搜索的推广.在适当的条件下,证明了利用此类线搜索与下降方向相结合所得算法是全局收敛的.     

记忆梯度法的一个推广

在[1]中的基础上,通过一系列的构造,而将无约束最优化问题中的记忆梯度方法直接推广到了求解带有线性约束的非线性规划问题中,并且在两种不同的线搜索之下,证明了推广的算法具有整体收敛性质。     

一个新的共轭梯度类型方法

提出一种求解无约束问题的新的共轭梯度类型公式，与此相应的方法在强Wolfe线搜索和Powell再开始条件下满足下降条件，并且在适当的情况下具有全局收敛性质。     

一些修正的线搜索及其收敛性

文献中,韦(Wei Z.)用k次迭代的矩阵函数f (x-xk)TAk(x-xk)来代替简单函数f(f是给定问题的目标函数),Ak为给定的对称正定矩阵,并给出了一些新的线性搜索.该文在详细叙述新准则的基础上进一步讨论了给定算法在这些线搜索下的下降性质及收敛性.并且证明了当Ak满足文中所给条件时算法具有超线性收敛速度.