改进的用于求解变分不等式的邻近点分裂算法

本文在Chen和Teboulle于1994年提出的邻近点分裂算法的基础上提出了两类求解变分不等式的预测-校正算法,并且证明了在一定条件下,两类算法均具有全局收敛性.从理论上证明了,第二类算法每次迭代所产生的新的迭代点与解点的距离的下界大于第一类算法,从而说明了第二类算法优于第一类算法.     

极大单调算子的一个投影近似邻近点算法

在Hilbert空间中给出求极大单调算子零点的近似邻近点算法,给出的误差准则比现有的算法弱,并证明该算法生成的序列{xk}弱收敛到算子的零点.应用该算法求解单调变分不等式,得到求解单调变分不等式的近似邻近点算法.     

求解变分不等式的一个改进的推广近似点算法

基于D．Han提出的算法，通过改进算法的投影区域，我们提出了求解变分不等式的一种改进的推广近中心点算法．该算法使新的迭代点与变分不等式的解集间的距离更靠近．在适当假设条件下，我们证明了算法的全局收敛性．     

伪单调变分不等式近似点算法的收敛性

将近似点算法推广到具有伪单调映射的变分不等式.经典的近似点算法的子问题利用范数平方作为辅助函数.将一个可微强凸的函数作为辅助函数,在有限维空间和Hilbert空间上讨论伪单调算子近似点算法的收敛性.     

求解极大单调算子零点的一个近似邻近点算法

在T-1(0)∩C≠○的条件下,结合文献[5]的思想给出一个求解x∈T-1(0)∩C的近似邻近点算法,并证明新算法的收敛性.该算法的误差准则比较宽松.     

求解单调变分不等式的一类迭代算法

给出了求解单调变分不等式的一类迭代算法．通过解强单调变分不等式子问题，产生一个迭代点列，该迭代点列收敛到变分不等式的解．最后，给出了这类新算法的收敛性分析。     

求解强单调变分不等式组新的自适应投影算法

自适应投影算法是求解强单调变分不等式的一种重要方法,在自然科学中的诸多领域有着广泛的应用.本文利用自适应投影算法来求解强单调变分不等式组,证明了这种算法的收敛性,本文结果将He B S,Yang H,Meng Q和Han D R改进的Goldstein-Levitin-Polyak投影算法运用到求解变分不等式组上,并构造出了简单实例证明所提出的算法的有效性和可操作性.     

求解单调变分不等式的一个新的连续方法

文中给出了求解一般非空闭凸集上单调变分不等式的一个新的连续方法．证明了算法的收敛性等价于所求问题的可解性,算法生成轨线的聚点不仅是变分不等式的解,而且还是其极小二模解．     

一种求解单调变分不等式的下降型邻近点交替方向乘子法

针对具有可分结构的单调变分不等式问题,基于邻近点算法和文献[12]提出的下降型算法构造了一个新的下降方向,并利用下降量的下界来选择最优步长,提出一种下降型邻近点交替方向乘子法;证明了算法的收敛性;并将该方法与文献[11]中算法的下降量下界进行比较,从理论上说明了算法的优越性。     

解单调变分不等式的一种算法

考虑了单调变分不等式的一种扰动,通过扰动变单调不等式为强单调变分不等式．利用广义的D-间隙函数提出一种无需计算函数梯度的算法,进一步证明此算法产生的每一聚点都是原变分不等式的解．     

两类近似邻近点算法的比较及其推广

邻近点算法(PPA)是求解单调变分不等式的一种常用的有效方法。然而在许多实际应用中,用PPA算法精确求解子变分不等式花费很大。为了保持PPA算法的优点,同时又解决上述困难,人们采用近似临近点算法(Approxim ate Proxim al PointA lgorithm)来求解。通过对两类APPA算法的收敛性的证明和进一步探讨,从理论上证明了算法二在通常情况下比算法一收敛性好。文中所要讨论的算法一是基于对Forward-backward Sp litting方法的推广;算法二是基于对外梯度方法的推广。     

混合变分不等式解的分裂惯性近似算法

在无限维Hilbert空间中研究了一类混合变分不等式,借助于极大单调算子的ε-扩大提出了分裂惯性近似算法,并讨论了该算法的弱收敛性,该结论进一步弱化了这类混合变分不等式解集所需满足的条件.     

求解单调变分不等式的一类预测-校正方法的统一框架

设ΩR~n是一个闭凸集,F是从Ω到R~n的一个映射,变分不等式是求一个向量u~*∈Ω,使得对所有的u∈Ω都有 (u-u~*)~TF(u~*)≥0.本文给出求解算子F为单调的变分不等式的一类预测-校正方法的统一框架,对给定的u~k∈Ω,预测点u~k可以用不同的方法产生,但都可以用公式 (预测) u~k=P_Ω[u~k-β_kq(u~k,u~k,β_k)]来表示,其中β_k>0,q(u~k,u,β_k)∈R~n是依赖于u~k,u~k和β_k的向量并满足一些简单统一的条件,新的迭代点u~(k+1)由统一的校正公式 (校正) u~(k+1)=P_Ω[u~k-α_kβ_kF(u~k)]产生,其中α_k是最优步长参数,它使得在确定预测点的前提下,这一步迭代所取得的进步尽可能大,已有的一些方法可以看作是这个框架的特殊形式。此外,它也为构造求解单调变分不等式新的预测-校正类方 法提供了启示与帮助。     

广义变分不等式问题的自适应算子分裂方法

提出了一种求解广义变分不等式问题的分裂方法,此方法利用自适应准则来调整参数β,使该参数可以在某些区间上取值,增加了算法的适应性．所构造的算法具有全局收敛性．     

一个求解变分不等式问题的投影算法

基于D.Han提出的求解变分不等式问题的推广的近似点算法(generalized proximal method),提出了一个新的改进算法,该算法的最大特点是在每一步只需要近似求解一个线性方程组系统.并在适当条件下证明了算法的全局收敛性.     

解变分不等式的两种新的投影算法

运用Armijo型线性搜寻程序构造了一类新的超平面.借助这些超平面,运用不同的投影方式,建立了一类新的二次投影算法和自适性投影算法.在较弱的条件下,这些算法是全局收敛的.数值试验证明这些新算法是有效的.