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.     

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。     

求解Fermat场址问题的组合算法

提出一种由信赖域方法和梯度法相结合的求解Fermat场址问题的新算法．该算法在迭代中先采用信赖域法，当出现内循环时。则改用不做线搜索的梯度法．算法运算简单，具有全局收敛性，并克服了信赖域算法产生内循环时造成的运算量大和梯度法收敛速度慢的缺陷。     

基于简单锥模型的带线搜索的新信赖域算法

对于无约束优化问题,提出了一类基于简单锥模型的带线搜索的新信赖域算法。该算法采用大步长Armijo线搜索技术获得迭代步长,克服了每次迭代求解信赖域子问题时计算量较大的缺点,适用于求解大型优化问题。在适当的条件下,证明了该算法的全局收敛性。     

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.     

非线性方程的一个信赖域迭代算法

对于信赖域子问题产生的搜索方向 ,利用一个给定的步长到达下一迭代点 ,证明了算法的全局收敛性 ,从而既避免了信赖域方法中在一次迭代多次求解信赖域子问题的困难 ,又避免了线搜索方法中为达到下一迭代点而多次调用函数值的计算 .     

曲线线性搜索的模型信赖域方法

针对模型信赖域方法中搜索方向存在的不足,提出了按负曲率方向进行搜索的模型信赖域算法,并证明了算法的收敛性,进一步地,将曲线线性搜索与模型信赖域方法结合,给出了一般的按曲线搜索方向进行线性搜索的模型信赖域方法,证明了这种搜索方法的可行性,这种方法具有搜索选择的灵活性和一般性,可在实际中针对不同的情况进行选择搜索方向,使得它具有曲线搜索的优点及模型信赖域方法的整体收敛性．最后,提出了几种常用方法的搜索方向可作为本方法的特殊形式。     

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.     

一个带有线搜索的自适应混合折线信赖域算法

将文献[2]求解信赖域子问题的混合折线法与文献[1]的自动确定信赖域半径的方法相结合,并且在试探步不可接受时,采用线搜索来计算下一个迭代点,提出了求解无约束优化问题的一个带有线搜索的自动调节信赖域半径的混合折线信赖域算法.在通常条件下,证明了算法的全局收敛性,数值结果验证了新方法的有效性.     

一种基于L-函数的非单调自适应信赖域算法

利用函数L-就无约束优化问题提出了一种非单调自适应信赖域算法。算法中信赖域半径自动更新依赖函数L-,步长的求解采用了非单调wolfe线搜索技术。在一定条件下,证明了算法的全局收敛性,数值实验表明算法稳定有效。     

基于简单二次函数模型的滤子非单调信赖域算法

对无约束最优化问题提出了一个基于简单二次函数模型的非单调滤子信赖域算法。算法在信赖域试探步不被接受时,采用滤子技术,增大试探步被接受的可能性;如果此试探步也不能被滤子集接受,则用固定的公式取搜索方向,并沿此搜索方向进行非单调Wolfe线搜索得到步长,从而产生新的迭代点。该算法不需要重解子问题,减少了计算量。在较少的条件下,证明了算法的全局收敛性。初步的数值试验表明了算法的有效性。     

一类带线搜索的非单调信赖域算法

给出无约束最优化的一类带线搜索的非单调信赖域算法.在一定条件下证明了算法的全局收敛性和Q-二阶收敛速度.这类算法与通常的非单调信赖域算法不同.当试探步不成功时,采用线搜索技术得到下一个迭代点.这样不仅减少了计算量,而且避免了下参考函数值远大于实际函数值的问题.     

带有固定步长的非单调信赖域方法

该文提出一种新的非单调信赖域方法．当试探步不能被接受时,算法沿着试探步的方向求得下一个迭代点,其中步长利用固定公式计算．这种方法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．该文采用的非单调策略是基于张洪超和Hanger（2004）出的非单调线搜索技术．在适当的条件下,证明了算法的全局收敛性及超线性收敛性．最后给出了初步的数值实验结果．     

基于锥模型的非单调自适应信赖域算法

基于锥模型,结合提出的新的自适应技术,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.当试探步不被接受时,采用非单调线搜索,减少了计算量.充分利用包含当前迭代点信息的新的自适应策略调节信赖域半径.在适当的条件下,证明了算法的全局收敛性和Q-二阶收敛性.数值试验表明该算法是有效的.     

投影Hessian的内点回代算法解线性约束优化问题

提供非单调内点回代技术的信赖域投影Hessian算法解线性约束优化问题.基于矩阵QR分解的技巧,将仿射零空间的信赖域子问题变换成通常的信赖域子问题,然后结合线搜索技术,在每次迭代信赖域子问题都将产生新的回代内点.在合理的条件下,证明了算法不仅具有整体收敛性而且保持局部超线性收敛速率,引入非单调技术将克服病态问题,加速收敛性进程.     

无约束优化问题的多重滤子线搜索信赖域方法

结合多重滤子、线搜索和非单调技术,对无约束优化问题提出新的非单调信赖域算法.当试验点迭代不成功时,采用多重滤子线搜索,尽量减少重新求解信赖域子问题的次数,从而降低了计算量.在一定的条件下,给出新算法的全局收敛性证明.     

一种求解大规模非光滑优化问题的共轭梯度法

针对大规模非光滑优化问题,利用Moreau-Yosida正则化技术和Armijo-type线搜索技术,设计了一种修正LS共轭梯度算法.算法的搜索方向不仅满足充分下降条件,而且具有信赖域性质.可以证明新算法在适当条件下全局收敛.初步的数值实验表明,新算法在求解大规模非光滑无约束凸优化问题方面比LMBM方法和MPRP方法更有效.     

伪牛顿信赖域算法及其收敛性

本文提出了一类新的求解无约束最优化问题的信赖域算法.新算法将Goldstein线搜索技术与信赖域方法相结合,并通过伪Newdon-δ族校正公式计算信赖域子问题中的Bk,使算法不仅不需重解子问题,而且每步迭代都满足弱拟牛顿方程,保证了目标函数的近似Hesse阵Bk的正定性.在适当的条件下,证明了此算法的全局收敛性和Q-二...