求解非线性等式和不等式问题的一种光滑化算法

 给出了求解非线性等式和不等式问题的一种新算法．用Max函数将不等式约束转变为等式约束,建立了一个半光滑的无约束方程组系统,并设计了一种光滑化Gauss-Newton算法求解该系统．在适当条件下,证明了此算法的全局和局部收敛性．数值实验表明此方法的有效性．     

非线性等式和不等式约束下的一类SQP算法

讨论了非线性等式和不等式约束下的一类SQP算法，给出了全局收敛性。     

求解非线性方程组的一个光滑化一步牛顿算法

针对非线性非光滑函数方程组提出了一种新的光滑化一步牛顿算法,这个算法的每步迭代只需要解1个线性方程组,执行1次线搜索.证明了该算法是全局收敛的,并且在一定条件下,证明了它的局部超线性收敛性和二次收敛性.     

求解非线性互补问题的一个光滑逼近算法

提出了求解非线性互补问题的一个光滑逼近算法,在一定条件下证明了该算法的全局收敛性。数值试验表明这一算法是十分有效的。     

求解非线性互补问题的一个雅可比光滑化方法

提出了一个新的NCP光滑逼近函数,并利用这一光滑逼近函数建立一个求解非线性互补问题的雅可比光滑化方法.在适当假设下证明了算法的全局和局部超线性收敛性.数值实验结果表明所提出算法是有效的.     

一类新的光滑函数及求解非线性互补问题的光滑牛顿算法

本文构造了非线性互补问题的一类新的光滑函数,利用新的光滑函数将非线性互补问题转化为非线性方程组。然后提出了求解一般非线性互补问题的光滑化牛顿算法,并且证明了算法的全局和局部收敛性。     

一种广义非线性互补问题的新的光滑牛顿算法

提出了一种新的光滑牛顿法,即在算法中嵌入非单调的线搜索技术,并将该算法从非线性互补问题(NCP)推广到广义非线性互补问题(GNCP).通过证明,该算法对GNCP问题是适定的,并在GNCP解集非空有界的假设条件下,证明了该算法的全局收敛性和局部二次收敛性.     

非线性优化问题的光滑化序列二次规划方法

为了获得序列二次规划方法的全局收敛性,通常需要借助一个罚函数,但常用的罚函数由于具有不可微性从而给计算带来一定的困难,拉格朗日函数虽然可以克服此困难,但其形式较为复杂,为解决该问题,给出了一类光滑化罚函数.基于一类双曲余弦型光滑化罚函数,提出了等式约束优化问题的一个光滑化序列二次规划方法.该光滑化函数具有良好的连续、可微性和凸性质,在适当条件下,获得了算法的全局收敛性,并给出数值测试说明了算法的有效性.     

一个基于新光滑函数求解非线性互补问题的光滑算法

基于新的光滑函数,提出了一个求解非线性互补问题的光滑型算法.该算法可以从任意点出发,每一步迭代只需求解一个线性方程组,并进行一次线性搜索.在不需要满足严格互补条件下,证明了算法是全局收敛且是局部二阶收敛的.数值实验表明算法是有效的.     

求解P0函数非线性互补问题的一步光滑牛顿法

将非线性互补问题转化为光滑方程组是求解非线性互补问题的一个重要途径.通过对Fischer-Burmeister 函数的光滑化,引入了一个新的光滑NCP函数,并在此基础上建立了求解P0函数非线性互补问题的一步光滑牛顿法,同时在较弱的条件下证明了该算法的适定性和全局收敛性.     

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．     

L-M 方法解非线性不等式组

通过等价转化把解不等式组问题化为解非线性方程组问题,进而利用L-M方法求解非线性方程组,并在一定条件下证明了该算法的整体收敛性。     

解非线性不等式组的L-M方法

文章研究了非线性不等式组的求解问题, 利用等价转化把非线性不等式组转化为非线性方程组来加以求解, 通过引进光滑参数构造了一个新的光滑函数来逼近方程组问题中的目标函数, 利用构造的光滑函数给出了相应的求解非线性方程组的Levenberg-Marquardt算法, 并在一定的条件下证明了该算法的整体收敛性.     

非线性互补问题的非精确预估-校正光滑算法

提出了一类新的光滑函数,分析其相关性质.针对大规模非线性互补问题,结合预估-校正技术,提出一种新的非精确预估-校正光滑算法,证明该算法从任意点出发能得到其全局收敛和局部二次收敛速率,且算法简单有效.     

求解非线性代数方程组的一种新算法及其软件实现

对基于DIXON结式的聚筛法在计算机编程算法方面做了有益的改进,有效地提高了聚筛法的效率,由此而开发的自动化的聚筛法软件GAS求解非线性代数方程组的整个计算过程无需人工介入,从而解决了基于DIXON结式的聚筛法仅仅停留在理论研究领域而不能应用于实际工程计算的问题.     

求解变分不等式的一个迭代算法

利用变分不等式与不动点问题这一等价关系,将投影技巧、分裂技巧及自适应技巧结合,给出了一种求解变分不等式的新的迭代算法;该算法同时包含几个新的和已知的算法作为特例;在算子是伪单调连续的条件下,即可证明新提出算法的收敛性.     

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.     

求解混合似变分不等式的一个四步迭代算法

研究了经典变分不等式的一种重要推广形式,即混合似变分不等式;利用混合似变分不等式与不动点问题和预解方程这一等价关系,提出了一个求解混合似变分不等式的四步迭代算法;证明了该算法在算子T伪单调连续的条件下收敛;结果推广和改进了先前的求解变分不等式算法.     

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．     

求解线性不等式组的一类无约束极值方法

求解线性不等式组可行解的方法会带来计算的不稳定性或者是低效率。提出了一类新的求解线性不等式组可行解的方法——无约束极值方法。在非空的线性不等式组可行域的相对内域上建立一个非线性极值问题,根据对偶原理,得到一个对偶空间的无约束极值问题和原始、对偶变量之间的简单线性映射关系,将原来的求解线性不等式组问题转化为一个无约束极值问题。应用了Newton法和共轭梯度法。数值实验结果表明,此方法是有效的。