广义混合变分不等式的weak-sharp解及算法的有限收敛

提出广义混合变分不等式问题的解集满足的weak-sharp条件,并通过约束集的支撑函数的一些性质,获得weak-sharp条件的等价刻画.在广义混合变分不等式问题的解集满足weak-sharp条件之下,还获得任意迭代算法有限收敛的等价条件,其中有限收敛指算法在有限次迭代后,得到广义混合变分不等式问题的精确解.最后,以广义混合变分不等式问题的超投影近似点算法为特例,在一定的条件下,获得该算法的有限收敛性.     

关于平衡问题的逼近方法及强收敛性

在Hilbert空间中,建立了一个逼近平衡问题数值解的广义迭代方法,并在一定条件下证明了该方法所产生的序列强收敛到平衡问题的解,该强收敛解同时为一类变分不等式问题的解.     

一类新的广义非凸变分不等式问题的近似解

引入了一类新的广义非凸变分不等式,利用投影技巧建立该变分不等式与不动点问题的等价关系,进一步讨论逼近广义非凸变分不等式解的预测-校正投影算法,并在算子T具有g-γ-强单调性的条件下证明了相应迭代序列收敛到广义非凸变分不等式问题的解.     

Banach空间中单参数非扩张半群不动点和变分不等式解的粘性逼近方法

研究单参数非扩张半群的不动点和某变分不等式的解的迭代算法.在具有弱序列连续对偶映射的Banach空间中,利用粘性逼近方法,建立非扩张半群的不动点的三步迭代格式,证明该方法所得到的序列在一定条件下是强收敛的,并收敛于某变分不等式的唯一解.所得结论推广和统一了一些类似文献的结论.     

解变分不等式问题的QP-free方法

提出一种新的QP-free方法解变分不等式问题.通过光滑化的Fischer-Burmeister函数,把变分不等式的KKT优化条件转换为一个简单的约束优化问题,并给出了解这个约束优化问题的迭代算法.这个方法的主要优点是：①能够解任意的变分不等式问题;②每步迭代只需解一个线性方程组;③算法是全局收敛的,在一定条件下是超线性收敛的.数值试验结果表明,这个算法是有效的.     

一类变分不等式组迭代解的收敛性

本文研究了一类变分不等式组逼近解的收敛性问题.利用预解算子的技术注明,在一定的松弛强度,连续条件下,逼近解是收敛的.该结果大大减弱了文献(Applied Mathematics and Computation 214(2009)26-30)中的条件,而且明显地改进了该文中的迭代计算方法.     

一类新的广义非凸变分不等式问题的近似解

 引入了一类新的广义非凸变分不等式,利用投影技巧建立该变分不等式与不动点问题的等价关系,进一步讨论逼近广义非凸变分不等式解的预测-校正投影算法,并在算子T具有g-γ-强单调性的条件下证明了相应迭代序列收敛到广义非凸变分不等式问题的解.
     

基于CVaR的逼近算法求解一类随机逆变分不等式

随机逆变分不等式是变分不等式领域的重要分支,其被广泛的应用于交通均衡、网络经济均衡、电力系统、物流供应链管理等实际问题.主要工作是通过定义随机逆变分不等式的正则化间隙函数,研究了基于CVaR的一类随机逆变分不等式的逼近算法,并在一定条件下,运用拟蒙特卡洛方法得到这类随机逆变分不等式的解.     

有限理性下拟变分不等式问题解的稳定性

首先引入有限理性下非线性问题的稳定性的统一模型,对拟变分不等式问题定义了理性函数,讨论有限理性下拟变分不等式问题解的稳定性.证明了大多数的拟变分不等式问题(在Baire纲分类意义上)都是结构稳定的,对ε-平衡也都是鲁棒的.得到了有限理性下拟变分不等式问题解的稳定性的一系列结论.     

一类隐式拟变分不等式与非扩张映象的公共解的三步迭代算法

研究了一类隐式拟变分不等式与非扩张映象公共解的逼近问题;构造了求解这类隐式拟变分不等式与3个非扩张映象公共解的三步迭代算法;在一定条件下,证明了由该算法生成的迭代序列的收敛性.     

不具Lipschiz条件的一般变分不等式解的带误差Ishikawa迭代逼近

通过引入辅助次微分原理,在Banach空间中证明了一类一般变分不等式解的存在性定理,在非线性算子不具Lipschitz条件下,建立和分析了这类一般变分不等式解的带误差Ishikawa迭代逼近.这些算法和结果改进和推广了许多已知的结果.     

求解非单调变分不等式问题的修正惯性次梯度外梯度算法

变分不等式问题在经济金融、交通运输、数学规划、力学等领域都有着广泛的应用。 近年来,变分不等式问 题受到许多学者的研究,且这些研究主要集中在求解单调或者伪单调变分不等式问题。 文章在实希尔伯特空间 中,针对非单调变分不等式问题,提出了求解该问题的算法。 借助惯性原理和 Mann 型方法,构造了一个带 Armijo 线性搜索的修正惯性次梯度外梯度算法;在没有 Lipschitz 连续性的假设下,证明了由算法产生的迭代序列强收敛 于变分不等式问题的解,值得注意的是,定理的证明并没有要求映射的任何单调性假设;最后,给出了两个数值实 验,阐明了文章算法的有效性和优越性,所得结果推广和改进了许多最新的结果。     

求解结构型强制单调变分不等式的下降法

对结构型强制单调变分不等式问题提出了一种新的下降方法.每次迭代新方法只需计算一些正交投影值和函数值,因此它的计算量非常小.在不需要线性搜索的条件下,新方法具有全局收敛性,并且步长一致有正下界.最后给出的一些数值模拟试验验证了新方法的有效性.     

变分不等式和非扩张映射的迭代算法

介绍了一类包含非扩张映射的变分不等式和Wiener-Hopf方程,基于投影技巧推导出两者之间的等价关系,利用该等价关系提出了一个同步求解非扩张映射不动点和变分不等式的迭代算法,并在适当条件下证明了该迭代算法的强收敛性;所得结论推广了该领域内的一些最新结果.     

Hilbert空间中广义变分不等式的近似-似投影算法

在Hilbert空间中研究了广义变分不等式解的近似-似投影算法,该算法包含了近似点算法和似投影算法.首先通过近似算法,获得暂时迭代点,然后利用似投影算法将该暂时的迭代点投影到广义变分不等式的可行集上,获得下一步的迭代点.在集值映象为极大单调的条件下,证明了迭代序列的任意弱聚点都是变分不等式的解.最后,在取特殊的似距离泛函的情况下证明了序列具有唯一的弱聚点.     

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.     

求解一类新的非线性变分不等式的神经网络

考虑了一类新的非线性变分不等式,提出了求解的一个神经网络模型．在映射弱强制条件下,严格证明了该网络是Lyapunov稳定的,并且渐进收敛于原问题的一个精确解．此外,在适当的条件下证明了该模型的指数稳定性．数值实例表明该模型可行且有效．