广义非线性互补问题的自适应信赖域方法

给出了一个求解广义非线性互补问题的自适应信赖域方法.在局部误差界的假设条件下,证明了算法具有全局收敛性和Q-二阶收敛性.     

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.     

求解非线性互补问题的自适应光滑信赖域方法

本文利用Fischer-Burmeister函数将非线性互补问题转化为非线性方程组,再利用Kanzow光滑逼迫函数构造光滑算予,将NCP问题转化为优化问题,然后给出了一种求解非线性互补问题的自适应光滑信赖域方法,并证明了该算法在一定条件下的全局收敛性．     

一类可行的非单调的信赖域算法

讨论了求解无约束最优化问题的信赖域算法，给出了一种改进的非单调信赖域算法，该算法通过改变预计下降量，使其与实际下降量对应起来，且这种改变保持算法的收敛性．     

一类非单调自适应-BFGS信赖域算法

针对无约束优化问题,每次迭代充分利用当前迭代点及其一阶导数的信息自动生成一个信赖域半径,并结合BFGS算法的优点,构造了无约束优化问题的一种非单调自适应-BFGS算法.在一定条件下,给出了算法的全局收敛性以及具有超线性收敛速度的证明.     

求解非线性方程组的非单调自适应信赖域方法

文章将非线性方程组转化为一个非线性优化问题,结合基于函数值平均权重的非单调技术与自适应信赖域方法求解该问题,从而得到原方程组的解,其中信赖域半径的选取充分应用了当前迭代点的二次信息,新的非单调技术减少了算法的计算量;在合适的条件下,证明了算法的全局收敛性,数值试验表明了算法的有效性.     

求解非线性方程组的非单调自适应信赖域方法

提出了一个新的求解非线性方程组的信赖域方法,首先把非线性方程组的求解转化成一个非线性优化问题,然后借助非单调技术和信赖域技术求解该问题,从而得到了原方程组的解.既避免了重复求解信赖域子问题,又减少了线搜索方法计算函数值的次数.算法的收敛性得到了证明,初步的数值试验表明了算法的有效性.     

线性约束优化的一个自适应非单调信赖域方法

给出了线性约束优化问题的一个自适应信赖域算法,其中的信赖域半径是由算法本身自动进行调解的,从而避免了传统算法在选取信赖域半径时的盲目性.借助于非单调技术,获得了算法的全局收敛性.     

解无约束优化的非单调自适应信赖域算法

受文献[14]的启发,针对无约束优化问题提出了一个基于二次模型的非单调信赖域算法;算法结合自适应技术,避免信赖域半径更新的盲目性;并引入新的非单调技术,利用非单调Armijo线搜索得到步长,进而产生新的迭代点;在文献[14]减少一个假设条件的情况下,证明了该算法的全局收敛性,数值实验表明了算法的有效性。     

基于锥模型的非单调自适应信赖域算法

针对无约束优化问题提出了一个基于锥模型的非单调信赖域算法.首先提出一种求解子问题的新方法,在此基础上给出该文算法.算法结合自适应技术,避免信赖域半径更新的盲目性;并引入滤子技术和新的非单调技术,利用非单调Armijo线搜索得到步长,进而产生新的迭代点.在一定的假设条件下,证明了该算法的全局收敛性,数值实验表明了算法的有效性.     

求解非线性互补问题的一种修正的光滑Newton法

针对非线性互补问题,给出了一种修正的光滑Newton法,该方法不仅放宽了对函数F的要求,而且光滑因子的选择形式简单．在适当的条件下,证明了该算法具有全局收敛性．     

一种求解极大极小问题的灵活非单调滤子方法

求解极大极小问题的灵活非单调滤子方法与传统的滤子方法相比,对于试探步的可接受性,该方法具有更大的灵活性,而且与单调型方法相比,计算量更小.此外,还利用一个自适应参数来调整接受准则,从而在一定程度上避免了Maratos效应.在合理的假设下,该算法具有全局收敛性,并且通过数值实验验证了该方法的有效性.     

广义互补问题的一种非光滑算法的收敛性分析

基于广义互补问题的半光滑方程组变形，给出了求解广义互补问题的一种新算法。该算法的显著特征是每次迭代只需求解-线性方程组。并在适当条件下建立了算法的全局收敛性和局部超线性(二次)收敛性。     

解决非线性互补问题的Derivative-Free算法

基于NCP(F)的约束极小化变形,构造了一种新的merit函数,将原始的NCP(F)问题转化为约束极小化问题,并构造了相应的derivative-free下降算法,并在merit函数严格单调的条件下证明了derivative-free算法的合理性以及整体收敛性.     

非线性互补问题的无导数方法

基于非线性互补问题(NCP(F))的约束极小化变形,构造了一种新的merit函数,将原始的非线性互补问题NCP(F)转化为约束极小化问题,并在此基础上构造了相应的无导数算法,在merit函数严格单调的条件下证明了此方法的合理性以及整体收敛性.     

线性互补问题的一种非内点连续方法的收敛性分析

对P0矩阵线性互补问题提出了一个基于Chen-Harker-Kanzow-Smale光滑函数的非内点连续算法，该算法在每次迭代时只需求解一个线性等式组，并证明了算法的全局线性收敛性和局部二次收敛性．     

求解非线性方程组的一类非单调修正Levenberg-Marquardt算法

通过将非单调搜索准则与修正Levenberg-Marquardt(L-M)算法结合,提出了求解非线性方程组的一个新的非单调修正L-M方法.新算法在每次迭代步都引入校正步,使新的试探步更靠近Moore-Penrose步.利用信赖域技巧修正L-M参数,在一定的条件下,证明了该算法的全局收敛性.数值试验表明了算法的有效性.