求解凸二次规划的一种二阶Mehrotra型预估-校正算法

给出了求解凸二次规划的一种二阶Mehrotra型预估-校正算法。该算法受Salahi等人对线性规划提出的相应算法启发,引入了安全步策略,保证了校正步步长有适当下界,从而具有多项式复杂性。由于算法迭代方向不正交,算法在罚参数的校正和复杂性的分析上有别于线性规划的情形。最后,通过一些新的技术性引理,证明了算法在最坏情况下的迭代复杂性为O{n3/2log((x0)Ts0)/ε}。     

求解凸二次规划的一种二阶Mehrotra型预估一校正算法

给出了求解凸二次规划的一种二阶Mehrotra型预估一校正算法。该算法受Salahi等人对线性规划提出的相应算法启发,引入了安全步策略,保证了校正步步长有适当下界,从而具有多项式复杂性。由于算法迭代方向不正交,算法在罚参数的校正和复杂性的分析上有别于线性规划的情形。最后,通过一些新的技术性引理,证明了算法在最坏情况下的迭代复杂性为O（n^3/2log（x^0）^TS^0/ε）.     

凸二次规划的一种基于削减策略的Mehrotra型预估-校正算法

2008年,Salahi等对线性规划提出一种新的Mehrotra型预估-校正算法.基于削减(cut)策略,该算法保证校正步长有下界,从而具有多项式复杂性.基于这种思路,将此方法推广到凸二次规划.由于新算法的迭代方向不再正交,因此算法的复杂性分析与线性规划时不同.通过一些新的技术引理,证明了算法在最坏情况下,至多经过O(n5/2logεn)次迭代终止.最后,利用数值实验验证了算法的可行性与有效性.     

凸二次规划的一种宽邻域预估-校正算法

Zhao对线性规划提出了一种基于邻近度量函数最小值的宽邻域预估-校正算法, 并证明了算法的多项式复杂性。基于他的思路,将此方法拓展到凸二次规划,设计了一种新的基于邻近度量函数最小值的宽邻域预估-校正算法。由于新算法的迭代方向向量Δx,Δs不再满足正交性,因此算法的收敛性分析不同于线性规划的情形,同时也证明了新算法具有 已知的最好迭代复杂性Onln(x0)Ts0ε,初步数值实验验证了算法的有效性。     

半定规划的一种Mehrotra型预估-校正算法

将一种Mehrotra型预估-校正算法推广到半定规划。首先给出了半定规划基于Mehrotra型预估-校正算法的一些基本理论,尤其是对称化技术;随后通过分析这种算法的迭代复杂性,给出算法的重要思想:在校长步中采用安全策略,给出新算法的最大预估步长的上界,算法过程中对最大预估步长进行削减策略:当最大预估步长大于某个阈值时,对此步长进行削减(可重复),从而得到合适的校正步长下界;最终通过采用以上策略及NT搜索方向,得到了该算法的多项式复杂界。     

一种基于用户特征的 LTE 下行频率选择性调度算法

将一种 Mehrotra 型预估-校正算法推广到半定规划。首先给出了半定规划基于 Mehrotra 型预估-校正算法的一些基本理论,尤其是对称化技术;随后通过分析这种算法的迭代复杂性,给出算法的重要思想：在校长步中采用安全策略,给出新算法的最大预估步长的上界,算法过程中对最大预估步长进行削减策略：当最大预估步长大于某个阈值时,对此步长进行削减（可重复）,从而得到合适的校正步长下界;最终通过采用以上策略及 NT 搜索方向,得到了该算法的多项式复杂界。
     

融合共线方程和多项式修正的遥感影像正射校正

针对线阵推扫式遥感影像正射校正中飞行方向校正误差较大和扫描方向校正误差不均匀的问题,提出一种融合共线方程和多项式残差修正的高精度正射校正新算法(CPOR).该算法首先在传统共线方程的基础上增加一个循环迭代步骤对每扫描行的外方位元素进行精确解算,然后对像平面坐标进行初次校正估计;之后利用控制点处的估计偏差构造多项式误差方程,对每个像坐标进行残差估计并修正,最终完成正射校正过程.实验结果表明,CPOR算法经过循环迭代求解外方位元素和多项式修正估计残差,使校正误差在行方向和列方向都呈均匀分布,并使整体校正误差小于2个像元,平均校正误差较之其他传统校正方法提高了5～6像素.     

框式线性规划的不可行内点算法

对框式线性规划提出了一个原始-对偶不可行内点算法,并证明了该算法的迭代复杂性为多项式时间性.     

枢式线性规划的不可行内点算法

对框式线性规划提出了一个原始-对偶不可行内点算法，并证明了该算法的迭代复杂性为多项式时间性。     

多项多实根的一种求解方法

通过将多项式简单地分解为正负两个部分,提出了求解多项式最大正极和最小正根的迭代算法,在此基础上,利用因式分解定理得到了其所有正根的计算方法,证明了它的收敛性,并估计了收敛速度。在确保收敛的情况下,本文又引入一个辅助函数对两种方法进行了修正,修正后的算法使得计算量大为减少,而其收敛速度却没有受到影响。     

线性规划的宽邻域预估校正算法

提出了一种新的内点算法--宽邻域预估校正算法。该算法基于经典预估校正算法思想,把窄邻域拓展到宽邻域里,使算法更快地迭代。给出了算法的具体步骤,讨论了其计算复杂性,分析结果表明,所给算法是一多项式时间算法。通过数值实验验证算法的有效性。     

一类最优的多项式加速方法

讨论一类求解线性代数方程组的多项式加速方法(半迭代法)，其中加速多项式在平方平均意义下达到极小。在权函数为Jacobi权和基本迭代可对称化的情况下，证明了方法是收敛的。     

单调线性互补问题基于核函数的满-Newton步不可行内点算法

针对单调线性互补问题设计了一种基于核函数的满-Newton步不可行内点算法,算法的主迭代由一个可行步和几个中心步构成。通过建立和应用一些新的分析工具,证明了算法的多项式复杂性为O(nlogmax{(x0)Ts0,‖r0‖/n}),这与当前单调线性互补问题的不可行内点算法最好的迭代界一致。     

改进的用于求解变分不等式的邻近点分裂算法

本文在Chen和Teboulle于1994年提出的邻近点分裂算法的基础上提出了两类求解变分不等式的预测-校正算法,并且证明了在一定条件下,两类算法均具有全局收敛性.从理论上证明了,第二类算法每次迭代所产生的新的迭代点与解点的距离的下界大于第一类算法,从而说明了第二类算法优于第一类算法.     

一般变分不等式的三步迭代算法

利用变分不等式和不动点问题的等价关系,给出了一个新的求解一般变分不等式的三步迭代算法;该算法在现有的两步迭代算法基础上,利用校正方法建立了第三步迭代公式;最后在适当条件下证明了该算法的收敛性,所得结论推广了该领域内的一些最新结果.     

一类网络k-中心选址问题的改进算法

为解决基于城市道路交通网络的应急设施选址问题,建立了此问题的网络k-中心选址抽象模型。针对此模型在分析研究已有算法的基础上,设计了一种具有多项式时间的改进置换迭代算法,证明了算法迭代的有效性,分析了算法的计算复杂度,并利用实例进行了对比分析。实例分析表明,改进的置换迭代算法降低了受限p-中心的并行迭代算法中的网络中心置换的条件,而算法的效率有明显的提高。     

新的加速Bregman迭代方法在稀疏最小二乘问题中的应用

结合残量Bregman迭代方法以及不动点迭代方法提出一种迭代算法,对预测校正算法应用Nesterov技巧进行加速,并且作用于最小二乘问题。理论上证明了新算法得到的解收敛到目标函数的最优解,并将新算法应用到稀疏信号恢复问题上,数值试验表明新算法能够快速有效地恢复信号。     

线性离散时不变系统的分数阶相位校正迭代学习控制

针对带有随机干扰的线性离散时不变系统,提出一种分数阶相位校正迭代学习控制算法.设计一种新型相位超前校正与分数阶迭代学习控制相结合的迭代学习控制(ILC)学习律.基于频域分析方法,得到分数阶相位校正迭代学习控制在算法开、闭环两种情况下的频域收敛条件.结果表明:文中算法显著提高了ILC跟踪误差的收敛速度和收敛精度,具有先进性和有效性.     

第二类Fredholm方程的有限元迭代校正算法

对第二类Ｆｒｅｄｈｏｌｍ积分方程，以有限元解为基础，建立了一个高精度算法──迭代校正算法，证明了在光滑核条件，对ｍ次有限元解做一次迭代校正，可使精度从Ｏ（ｈ＾ｍ＾＋＾１）提高到Ｏ（ｈ＾３＾ｍ＾＋＾３）。     

混合似变分不等式的一个新预解算法

研究了混合似变分不等式的若干迭代算法,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,并结合预测-校正迭代算法技巧,给出了一种全新的求解混合似变分不等式的预解迭代算法.在算子是伪单调连续条件下,证明了新提出算法的收敛性.