求解非线性最小二乘问题的自适应锥模型信赖域算法

针对非线性最小二乘问题,利用锥模型算法思想,给出了海赛矩阵中二阶信息项的割线近似的不同校正公式,并利用自适应信赖域技术给出了求解非线性最小二乘问题的自适应锥模型信赖域算法.算法中我们允许使用非精确方法近似求解信赖域子问题.文中给出了新算法的全局收敛性和超线性收敛性分析以及数值试验结果.     

一个修正的强次可行SQCQP算法

提出了一个修正的强次可行序列二次约束二次规划(SQOQP)算法.通过设计一个新的矩阵修正策略,算法在全局收敛性分析中不需要假设目标函数的(近似)Hesse阵正定或一致正定.在适当条件下,算法具备超线性收敛性.     

无约束优化的信赖域算法

提出了一种无约束优化问题的信赖域算法。根据原优化问题的二次近似模型,运用拟牛顿方向与最速下降方向之凸组合作为搜索方向,采用了新的策略。进行了收敛性分析,得到整体收敛及局部二次收敛性结果,并给出了算法的执行过程及算例。     

求解奇异非线性方程组的牛顿不精确最小二乘算法

对运用M-P逆建立的Newton迭代法做近似,构造不精确的算法.取Newton方程组的最小二乘解的近似解推导构造不精确的算法,结果可得到不精确Gauss-Newton算法和不精确Levenberg-Marquardt算法;用一迭代法计算雅可比矩阵的Moore-Penrose逆,截取它的一个近似矩阵构造不精确的算法,给出了近似程度的控制条件,证明了其收敛性;用雅可比矩阵的局部信息代替其全部信息构造不精确的算法,证明了算法的收敛性.数值例子也表明了不精确算法在求解大型方程组问题上的优越性.     

伪Newton－R族算法的导出及其性质

对无约束优化问题提出了一个新的拟Ｎｅｗｔｏｎ法（伪Ｎｅｗｔｏｎ－Ｒ族算法），这种方法具有二次终止性及调比不变性。它产生的近似Ｈｅｓｓｅ阵序列保持正定对称传递性。该算法对一致凸函数具有全局收敛性和超线性收敛性。     

伪Newton—R族算法的导出及其性质

对无约束优化问题提出了一个新的拟Ｎｅｗｔｏｎ法（伪Ｎｅｗｔｏｎ－Ｒ族算法），这种方法具有二次终止性及调比不变性。它产生的近似Ｈｅｓｓｅ阵序列保持正定对称传递性。该算法对一致凸函数具有全局收敛性的超线性收敛性。     

非线性发展方程近似解收敛性与稳定性的等价定理

考察了非线性抽象算子发展方程近似解收敛性与稳定性,提出了非线性算子的有界延拓的概念,由此给出了一般近似解收敛性与稳定性证明的统一方法,从而避免了较复杂的先验估计。     

以Winer过程为驱动的Ito-Volterra型随机微分方程的数值解

给出了Rung-kutta方法的迭代格式并讨论了其收敛性.在讨论Rung-kutta格式的收敛性时,先研究了Eu ler格式的收敛性,再通过对两种格式近似解之间的误差估计得到Rung-kutta格式的收敛性,避免了直接讨论Rung-kutta格式的收敛性。     

修正的迭代近似梯度投影算法在压缩感知中的应用

通过设计一种新的Hessian矩阵的近似,得到函数在当前迭代点的二次近似模型,并利用该模型与延迟策略得出一种新步长.结合新步长,提出一种求解压缩感知中稀疏信号重构问题的修正迭代近似梯度投影算法,并给出收敛性证明.实验结果表明,该算法不仅能较好地恢复原始信号中的非零元素,有效地重构信号,而且与经典算法相比,重构效率较高.     

凹角域上半线性椭圆方程的无限元方法

本文得到了凹角形区域上一类半线性椭圆方程解的正则性，给出了求近似解的无限元方法，证明了无限元方法的收敛性，并且证明了牛顿法求解非线性近似问题的收敛性。     

一类求解迫近点的Bundle算法

利用建立在近似次梯度基础上的近似Bundle算法研究了迫近点的求解问题，并给出了一类算法及算法的收敛性定理。     

求解最小体积轴向椭球问题的线性收敛算法

通过定义求解最小体积轴向椭球问题的两个近似最优性条件, 计算满足第二个近似最优性条件的一个新的近似解, 给出一种求解最小体积轴向椭球问题的近似算法, 并证明了算法具有线性收敛性. 实验结果证实了算法的有效性.     

极小化一元凸函数的一个数值方法

本文给出了一个极小化一元非光滑凸函数的可执行的数值方法，此算法的要点是仅用在已有的五个点上的函数值去确定两个更好的接近最优解的点．我们证明了这个算法是全局收敛的和ｒ－超线性收敛的，数值结果也表明此算法有好的收敛性．     

求解可分离凸优化问题的惯性近似松弛交替方向乘子法

基于交替方向乘子法(ADMM)提出了一种求解可分离凸优化可行问题的惯性近似松弛交替方向乘子法(IPR-ADMM).新构造的算法不仅具有提高算法收敛性的优势的惯性外推项,而且引入随机变量以随机加速新步长,从而提高算法的灵活性.并在适当的假设下,证明了算法的全局迭代收敛性.数值实验结果表明,数据维数取值越大,算法收敛越快,...     

求解单调变分不等式的一个近似邻近点算法

给出求解单调变分不等式问题的一个近似邻近点算法,在不需要任何中间步骤的条件下证明算法的收敛性.本算法的误差准则比已知算法更宽松.     

接收信号强度指示测距模型修正与粒子群算法权重优化的节点定位算法

为了降低RSSI测距误差对定位精度的影响,提出一种RSSI模型修正与PSO权重优化相结合的定位算法。首先通过最小化误差平方和原则对RSSI测距模型参数进行校正,避免测距误差带入定位阶段,然后利用三边测量法进行粗略定位,得到未知节点的近似坐标,最后引入改进PSO算法对该近似坐标进行优化,在改进PSO算法中提出一种基于收敛因子的权重策略,有效地平衡了算法的搜索速度与搜索精度,从而得到节点坐标优化值。实验结果表明,该算法能够有效抑制测距误差积累,有更好的收敛性能和更高的全局优化能力,能实现更好的定位效果。     

一种基于遗传算法和LM算法的混合学习算法

针对遗传算法与神经网络结合方式中存在的早熟收敛、泛化能力弱等问题, 提出一种交替使用遗传算法和Levenberg Marquardt算法优化神经网络的混合学习算法（GALM算法）. 该算法先通过遗传算法粗调得到一组全局最优近似解, 再以该近似解为初值, 交替使用遗传算法和LM算法优化神经网络训练, 直至发现满意的网络参数. 实验结果表明, 新算法提高了网络的学习能力和收敛速度.     

免疫蚁群算法在电力系统无功优化中的应用

将人工免疫算法和蚊群算法相结合形成免疫蚁群算法,运用免疫机理提取疫苗获得初始解,通过免疫操作加快算法收敛速度,并用基于浓度的选择机制抑制算法的"早熟".将该算法用于求解电力系统无功优化问题进行仿真,结果表明它的收敛速度和计算精度都有较大提高.     

求解随机线性互补问题的Levenberg-Marquardt型算法

针对随机线性互补问题的期望残差极小化模型,利用蒙特卡罗方法将其转化为有限个样本的近似问题.基于投影Levenberg-Marquardt算法,给出了求解近似问题的1种Levenberg-Marquardt型算法,证明了算法在一定条件下是全局收敛的.数值实验表明算法是有效的.