一种基于弱拟牛顿方程的单调梯度法的收敛性

基于弱拟牛顿方程,Leong W J等人提出了一种单调梯度法,该算法在每次迭代时利用对角矩阵逼近Hessian矩阵,使计算量和存储量明显减少,并且此算法对凸函数具有收敛性。在此算法的基础上,进一步研究了算法对于一般函数的收敛性,并证明了在一定的假设条件下算法仍具有全局收敛性、R-线性收敛性和超线性收敛性。     

一种改进的混合牛顿算法

目的研究非凸函数的无约束最优化问题的算法。方法提出求解该问题的一种混合牛顿算法。结果新算法能有效弥补牛顿算法要求目标函数"凸"的局限性,从而推广了牛顿算法的适用范围,在一定条件下新算法仍具有全局收敛性和二次收敛性。结论新的算法是有效可行的。     

均衡约束最优化的一个共轭投影梯度算法

讨论均衡约束最优化问题,利用一个互补函数和扰动技术将原问题转换为非线性等式和不等式约束最优化问题,结合罚函数法提出了一个共轭投影梯度算法,在适当的条件下,证明了算法的全局收敛性,且具有超线性收敛性.     

基于简单二次函数模型的非单调自适应信赖域算法

基于简单二次函数模型,结合非单调技术和自适应技术,建立了一个求解无约束最优化问题的非单调自适应信赖域算法,并在适当的条件下,证明了算法的全局收敛性和超线性收敛性.理论分析算法是有效的,适合求解大规模问题.     

一类超线性收敛的投影非拟牛顿算法

本文将梯度投影与非拟牛顿法相结合，给出了一类求解线性约束非线性规划问题的新算法。在一定的条件下，证明了该算法的全局收敛性和超线性收敛性。     

基于矩阵分裂的鞍点问题的SOR-LIKE收敛性研究

目的研究鞍点问题的迭代方法SOR-LIKE算法的收敛性。方法用矩阵分裂理论,在求解中通过改变矩阵分裂构造出系数矩阵的一般化分裂算法,运用矩阵理论分析该算法的收敛性。结果与结论找到一般分裂算法下的收敛条件,并通过数值实验来检验迭代法的收敛性。     

拟牛顿算法的收敛特性及算法的拓广

介绍了拟牛顿算法的收敛特性，即算法采用精确线性搜索与非精确线性搜索时具有的全局收敛性与超线性收敛性。这些优良性质使拟牛顿算法类在优化算法中占有极为重要的地位。相关的研究成果十分丰富，这里作一简要介绍及若干算法拓广。     

保守修正BFGS算法及全局收敛性

基于新拟牛顿方程,提出一类保守修正BFGS算法.该算法的特点是:即使当目标函数是非凸函数时,该算法仍然是全局收敛的.在适当的条件下,该算法具有局部超线性收敛性.初步的数值实验表明,该算法是有效的.     

求拟凸函数本质极小的均值算法的收敛性分析

郑权等曾提出了一种求解无约束优化问题的均值算法,若假设目标函数f(x)是连续的,讨论了均值算法的全局收敛性 若假设f(x)是有界闭集Ω上的拟凸函数,讨论了求解拟凸函数极小值的均值算法的全局收敛性.     

解有限元方程组的并行迭代算法

在区域分裂基础上,构造出一种求解一类有限元方程组的并行迭代算法,并论证算法的收敛性。     

迭代法收敛速度的比较

在全面介绍迭代法的收敛性的基础上，介绍了牛顿迭代法的收敛性和弦截性的收敛法，并对基本迭代法、牛顿迭代法和弦截法的收敛速度进行了比较，经比较看出，同样的问题，弦截法的收敛速度比一般迭代法要快得多，与牛顿迭代速度相近，也是比较快的。最后指出，在以电子计算机为数值计算工具的今天，必须研究适合于计算机运算的数值计算方法的收敛速度。收敛速度的快与慢，是评判谊种收敛法适用与否的一项重要指标。因此用何种方法来解决实际应用问题显得尤为重要。     

一类规则缺项幂级数的收敛性讨论

由求一般的幂级数收敛半径的方法给出了求一类规则缺项幂级数收敛半径的新方法，同时，根据一般的幂级数在其收敛区间端点的收敛情况，还给出了求缺项幂级收敛区间的简单方法．     

无约束最优化计算方法中的Newton法与BFGS法的组合方法

本文提出了适合于求解目标函数的Hesse矩阵不正定或病态等实际问题的Newton法与BFGS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。     

线性方程组迭代解法平均收敛速度收敛阶的定量估计

由迭代法平均收敛速度与渐进收敛速度的关系引入近似估计法,即通过对迭代平均收敛速度取对数,然后使用数值拟合软件CurveExport1.3给出拟合函数,最终得到了Jacobi迭代法和Gauss-seidel法平均收敛速度收敛到渐进收敛速度的近似收敛阶,且该法适用于其他迭代法平均收敛速度的估计。     

一个修改的求解非线性对称方程组的高斯-牛顿BFGS方法

在文献[10]的基础上,给出一个修改的求解非线性对称方程组问题的高斯-牛顿BFGS方法,并建立该方法的全局和超线性收敛性.该方法比原方法的效果要好.     

弱＊收敛问题及其应用

介绍弱＊收敛及有关结论,借助于泛函分析的相关理论来研究数值积分方法的一般结构及其当节点数目无限增加时的收敛性问题。     

一种针对收敛性问题的改进进退法及其仿真验证

进退法是最优化方法中一种常用且简单的一维单峰试探搜索算法.针对进退法的收敛性和收敛速率展开研究,在讨论了进退法的算法原理及其实施步骤的基础上,针对原算法在某些情况不收敛的问题,提出了一种改进的进退法,将原算法每次进退迭代中的转向步长变为与前一步长和迭代次数有关的函数, 这样可以克服原算法不收敛的缺点.通过严格的理论推导证明了改进进退法的正确性,并利用实例仿真验证了其有效性.结果表明:进退法收敛速率不稳定,依不同初始参数而不同,改进进退法以降低收敛速率为代价而保证收敛性.     

关于两个随机变量序列共同收敛性的一个充分条件

本文简要的论证了在一定的条件下一个随机变量序列的某种收敛性可以由另一个随机变量序列的这种收敛性得到,从而为判断一个随机变量序列的这种收敛性提供了一种较为简便的方法。