一个新的拟牛顿信赖域算法

提出了一种新的修正拟牛顿信赖域算法.算法同时利用函数值信息和梯度信息构造信赖域子问题,既可保持信赖域子问题海森矩阵的正定性,又能改善算法的数值执行.在一定假设的条件下,证明了算法的全局收敛性,并通过数值实验表明了提出算法的有效性.     

一类新的自适应信赖域算法

提出了一类新的自适应信赖域算法.该算法利用相邻迭代点的实际下降量与预测下降量的比值加权和来衡量二次模型的近似程度,同时信赖域半径迭代准则采用由Λ-函数给出的一类自适应迭代准则.在一定假设的条件下,算法具有传统信赖域算法的全局收敛性.数值实验表明,算法是稳健和有效的.     

一个新的拟牛顿信赖域方法

提出求解无约束优化问题的一个修正拟牛顿信赖域方法。算法可以保持信赖域子问题海森矩阵的正定性。在适当条件下,证明了算法的全局收敛性,并通过数值实验说明了算法的可行性。     

一种无约束优化的非单调拟牛顿信赖域算法

提出一种新的信赖域算法, 使子问题产生的试探步 d^k始终保持在信赖域中, 在每次迭代过程中, 试探步d^k均能得到校正, 当试探步不被接受时, 采用非单调线搜索技术, 无需重解子问题. 在适当的条件下, 证明了算法的全局收敛性.     

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。     

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。     

一类新拟牛顿方程的非单调信赖域算法

利用新拟牛顿方程及其修改BFGS校正公式,将非单调Wolfe线搜索技术与信赖域相结合,提出了一类拟牛顿非单调信赖域算法。在较弱的条件下,证明了此算法的全局收敛性。数值结果表明该算法是有效的。     

一类无约束优化问题的信赖域过滤器算法

构造了一个求解无约束优化问题的新算法,结合了采用修正BFGS(MBFGS)算法的信赖域思想和多维过滤器算法策略.搜索方向的产生类似于MBFGS算法;在接受新的迭代点时,采用多维过滤器算法的策略及信赖域思想,新信赖域算法是全局收敛的.     

锥模型的拟牛顿型信赖域方法

对于求解无约束优化问题的锥模型拟牛顿型信赖域方法，本主要讨论了水平向量的选取及最优参数的确定，并给出了数值试验结果。结果表明，该算法比二次模型有效，比[2]中水平向量的取法也有效。     

一种基于锥模型的非单调拟牛顿信赖域方法

将非单调技术与锥模型拟牛顿信赖域方法相结合,提出了一种基于锥模型的非单调拟牛顿信赖域方法。讨论了锥模型信赖域子问题中参数γk在不同情况下的选取,证明了利用所构造的参数γk,在一定条件下,尤其是当目标函数值非单调时,校正公式中Bk+1仍保持正定性。数值实验表明算法是有效的。     

解无约束优化问题的一个新的非单调信赖域算法

在传统信赖域方法的基础上,提出了求解无约束最优化问题的一个新的带非单调线搜索的信赖域算法.该算法采用非单调Wolfe线搜索技术获得迭代步长,新算法在每一迭代步只需求解一次信赖域子问题,克服了每次迭代求解信赖域子问题时计算量较大的缺点.在一定条件下,证明了算法的全局收敛性.数值实验结果表明该算法是有效的.     

无约束非光滑优化的信赖域算法

提出了一个处理无约束非光滑优化问题的信赖域算法.它仅要求目标函数是下半连续的,而不是光滑的,或凸的,或局部Lipschitzian的,从而扩大了信赖域方法的使用范围.同时文中还证明了该算法产生的序列的每一个聚点都是原问题的临界点.     

无约束优化中带线搜索的非单调信赖域算法

将信赖域与线搜索方法相结合,采用非单调技术,提出一种求解无约束优问题的非单调信赖域算法,并在适当的条件下,证明算法有全局收敛性和Q-二次收敛性.算法在试探步不被接受时,采用非单调线搜索寻找下一迭代点.算法克服了传统非单调算法中用于产生非单调性的参考函数值远大于实际函数值的问题.初步的数值试验证实算法是有效的.     

无约束最优化的一个信赖域梯度路径法

本文给出一种易于实现的解无约束最优化问题的信赖域梯度路径法．方法对海色矩阵无正定的限制，保留了信赖域方法的特色．并证明了方法的全局收敛性和在某些条件下的二次收敛性．     

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.     

关于无约束最优化问题的一种新的自适应信赖域方法

提出一个求解无约束最优化问题的自适应信赖域算法,将非精确线性搜索法和信赖域算法相结合,并在适当假设下,证明算法具备全局收敛性.     

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.     

一个新的非单调自动确定信赖域半径的信赖域算法

将非单调线搜索技术与自动确定信赖域半径的方法相结合,提出了求解无约束优化问题的一个新的非单调自动确定信赖域半径的信赖域算法.在假设对任意x1∈Rn,水平集L(x1)={x|f(x)≤f(x1)}有界,且目标函数f(x)在水平集L(x1)上连续可微;矩阵序列{Bk}一致有界的条件下证明了本算法的全局收敛性.数值结果显示本算法是有效的.