约束非线性规划的一种算法及其收敛性

对既含等式又含不等式约束的非线性规划问题,构造出了一种算法,并证明了其全局和局部收敛性。     

关于推广Polak算法模型收敛性定理的改进

本文改进了 Polak 定理[1]的收敛性条件。     

非线性规划不用梯度作线搜索的算法及收敛性

首先给出求解无约束规划中步长搜索依赖的几个准则和一个线搜索方法，它们仅利用目标函数值，不依赖于梯度，然后，给出点列整体收敛的充分条件，并建立无约束规划的几个具有整体收敛性的算法。此外，还给出算法超线性收敛的条件，最后将方法应用于求解等式约束规划，产生其整体收敛的不用梯度的可行下降算法。     

非凸优化的一类改进BFGS算法的收敛性研究

文章对于非凸优化问题采用Wolfe-Powell搜索准则提出了一种改进的BFGS校正,提出了相应的算法,并证明了该算法具有全局收敛性。     

一种共轭梯度算法的全局收敛性

本文提出了一种计算βk的新公式，即提出了一种新的共轭梯度法，证明了一种非精确线性搜索能够保证这种算法的下降性和全局收敛性．     

一种改进的BFGS算法及其全局收敛性分析

针对无约束最优化问题，提出了一个基于新拟牛顿方程Bk＋1Sk=yk^＊的新改进BFGS算法，并在目标函数一致凸的假设条件下证明了该算法的全局收敛性。     

求解非凸函数极小问题的一类改进BFGS算法的收敛性分析

提出了一类求解无约束最优化问题的改进BFGS算法,主要讨论了该算法在Wolfe搜索下的全局收敛性.数值试验结果表明新算法是有效的.     

无约束优化DFP算法的全局收敛性

讨论了无约束优化问题的ＤＦＰ算法的全局收敛性。在适当的条件下，证明了对一致凸目标函数，在非精确线搜索下ＤＦＰ算法具有全局收敛性。     

非凸函数的一类改进BFGS算法的全局收敛性

文[1]提出了一类改进的BFGS算法,并在目标函数为一致凸的条件下,证明了算法具有全局收敛性.针对该算法,在目标函数为非凸函数时,提出一个假设条件,证明具有wolf线搜索的该算法亦具有全局收敛性.     

非凸函数的一类改进BFGS算法的全局收敛性

文[1]提出了一类改进的BFGS算法,并在目标函数为一致凸的条件下,证明了算法具有全局收敛性。针对该算法,在目标函数为非凸函数时,提出一个假设条件,证明具有wolf线搜索的该算法亦具有全局收敛性。     

改进的BFGS算法在一种新搜索下的收敛性

李正峰提出了一类改进的BFGS算法,并在目标函数为一致凸的条件下,证明了带有Wolf线搜索的该算法具有全局收敛性。刘光辉提出了一种与回追搜索(backtracking linesearch)有关的可行线性搜索。证明在这种新搜索下,改进的BFGS算法亦县有全局收敛性。     

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.     

新拟牛顿方程下一类改进BFGS算法的全局收敛性

文献[1]曾在已建立的一类新拟牛顿方程Bk 1sk=yk-=yk kγskTsksk的基础上,证明了满足新拟牛顿方程的一类改进BFGS算法在目标函数为一致凸的条件下,具有全局收敛性。此文针对该算法,给出了全局收敛性的另一种证明方法。     

一类拟牛顿算法的收敛性

根据一类基于新拟牛顿方程Bk 1sk=yk*的修改BFGS类算法,采用广义W olfe线搜索模型(GW搜索模型):f(xk 1)≤f(xk) δkαgTkdk和g(xk 1)Tdk≥m ax{,σ1-(kα‖dk‖)p}gTkdk,其中0<δ≤σ<1,p∈(-∞,1),得到一类修正的BFGS算法(M BFGS),证明了M BFGS算法的全局收敛性和超线性收敛性.数值试验结果表明M BFGS算法是有效的.     

半光滑无约束优化信赖域算法的全局收敛性

信赖域方法具有较强的收敛性和可靠性,一直被众多学者关注.基于光滑优化信赖域算法模型,证明了半光滑无约束优化信赖域算法的全局收敛性.     

新线搜索下修正PRP共轭梯度法的全局收敛性及其数值结果

针对大规模非线性无约束问题,采用文献[9]提出的新型线搜索和文献[10]修正PRP公式设计一个新的算法。在适当的条件下,证明新算法具有全局收敛性。初步的数值试验结果表明,新算法是有效的,适合求解大规模非线性无约束优化问题。     

一类新拟牛顿算法的全局收敛性与数值试验

在Hiroshi Yabe等提出的新拟牛顿方程基础上,给出一类新拟牛顿算法(称为MBFGS算法),同时在一定的假设条件下,结合Wolfe搜索准则,证明了MBFGS算法具有全局收敛性,并进行了数值试验,结果表明,对于一般的无约束优化,本文的MBFGS算法是正确和有效的.     

广义Cury线搜索下一种新共轭梯度法及其全局收敛性

本文对无约束最优化问题：ｍｉｎｆ（ｘ），ｘ∈Ｒｎ，提出一种新的共轭梯度法．该算法中参数βｋ采用一种新取法，并结合广义Ｃｕｒｙ线搜索及ｎ步重新开始策略．在关于目标函数较弱条件假设下，证明了所给算法的全局收敛性．     

带有一种新的算子的进化规划算法的收敛性分析

针对进化规划(EP)和单纯形法(SM)的不足,综合两种方法的优势,提出了基于进化规划和单纯形法的混合算法(EPSM).该算法以单纯形法中的反射操作为进化规划的一个算子,结合进化规划与单纯形法二者的优点.此法不仅收敛速度快、计算简单,而且拟合精度和跟踪性能也好.对算法的收敛性进行了分析和证明.