无罚函数无滤子的非单调无二次规划方法

提出了求解光滑不等式约束最优化问题的非单调无罚函数无滤子的无二次规划非可行域方法.通过乘子和非线性互补函数,构造一个等价于原约束问题1阶最优条件的非光滑方程组.在此基础上,通过牛顿-拟牛顿迭代得到满足1阶最优条件的解,在迭代中采用了无罚函数无滤子的非单调线搜索方法以避免罚函数的选取和滤子的存储,使得目标函数或者约束违反度函数具有充分的非单调下降,试探步更易于接受.算法不要求迭代点和初始点严格可行.该算法是可实现的,具有全局收敛性.另外,在较弱条件下可以证明该方法具有超线性收敛性.     

局部超线性收敛的信赖域SQP滤子方法

讨论信赖域SQP滤子方法的局部收敛性,SQP滤子方法是解非线性规划的一种较为有效的方法.但是,滤子方法也会遇到Maratos效应.当迭代点充分靠近原问题的严格局部解时,完全牛顿步可能会使目标函数值和约束违反度都上升,从而不被滤子接受,影响了算法的收敛速度.对R.Fletcher,S.Leyffer和L.Toint在"SQP滤子全局收敛算法(2002)"文中的算法进行了修改,提出了一类新的算法.在这类算法中,如果完全牛顿步不被滤子接受,就通过对它进行一个二阶校正(SOC),使得它容易被滤子接受,保证算法具有局部超线性收敛性.     

一种改进的混合牛顿算法

目的研究非凸函数的无约束最优化问题的算法。方法提出求解该问题的一种混合牛顿算法。结果新算法能有效弥补牛顿算法要求目标函数"凸"的局限性,从而推广了牛顿算法的适用范围,在一定条件下新算法仍具有全局收敛性和二次收敛性。结论新的算法是有效可行的。     

路票约束下的用户均衡网络流建模及其算法

为了缓解交通拥堵问题,在传统用户均衡模型的基础上,建立了带路票约束条件的用户均衡网络模型。本模型采用牛顿算法作为子算法,结合增强拉格朗日乘子法求解带路票约束的用户均衡网络流。外惩罚函数通过调整惩罚参数,把容量约束下的网络均衡问题转化成传统网络均衡问题。牛顿法通过移动方向、修正矩阵和移动步长的组合来保证路径或路段交通流量解的可行性,同时获得转化后子问题的最优解。算例分析表明,相对于传统的交通分配方法,添加路票约束能显著改变交通分配结果,使高流量路段的交通量减少了25％,能够有效地缓解交通拥堵。     

一类无约束优化的非单调共轭梯度法

针对无约束优化问题,提出一类新的非单调共轭梯度法,在新的非单调Wolfe条件下保证了算法的全局收敛性,并在每次迭代过程中,均可得到初始的自适应步长和充分下降方向.数值结果表明算法是可行和有效的.     

基于修正的拟牛顿法的基追踪去噪研究

为提高一维信号去除噪声的稀疏分解基追踪算法的效率,提出了采用修正的拟牛顿法来解决基追踪去噪过程中的无约束优化问题。该算法在传统拟牛顿法的基础上,对BFGS(Broyden-Fletcher-Goldfarb-Shanno)公式进行修正,有效地减少了最优化过程中所需的迭代次数。实验结果表明,修正的拟牛顿法与传统算法相比,能够明显提高目标函数的收敛速率。     

解非线性方程组的一个改进牛顿法

针对牛顿法公式的局限性,利用非线性方程组F(x)=0的一个同解方程组的牛顿法公式,构造了求解非线性方程组F(x)=0的一个迭代法公式,牛顿法迭代公式是其特例,并讨论了其收敛性,通过算例说明了算法的有效性.     

迭代法收敛速度的比较

在全面介绍迭代法的收敛性的基础上，介绍了牛顿迭代法的收敛性和弦截性的收敛法，并对基本迭代法、牛顿迭代法和弦截法的收敛速度进行了比较，经比较看出，同样的问题，弦截法的收敛速度比一般迭代法要快得多，与牛顿迭代速度相近，也是比较快的。最后指出，在以电子计算机为数值计算工具的今天，必须研究适合于计算机运算的数值计算方法的收敛速度。收敛速度的快与慢，是评判谊种收敛法适用与否的一项重要指标。因此用何种方法来解决实际应用问题显得尤为重要。     

发散步长准则下的增量聚合梯度算法

针对目标函数是若干光滑函数之和的优化问题,提出采用发散步长准则的增量聚合梯度算法。与增量梯度算法一样,增量聚合梯度算法的每次迭代也只需要计算其中一个函数的梯度。目前关于增量聚合梯度算法的研究主要是采用常值步长的增量聚合梯度算法,这一算法要求目标函数二阶连续可微且强凸,且常值步长的选取依赖最优点的二阶导数;而发散步长准则不依赖目标函数。在目标函数的梯度有界且李普希兹连续假设条件下,证明了采用发散步长的增量聚合梯度算法的收敛性;最后,通过数值例子验证了算法的收敛性,并与采用相同步长准则的增量梯度算法进行比较;数值结果表明对于某些优化问题,增量聚合梯度算法比采用相同步长的增量梯度算法更有效。     

解等式约束规划的信赖域SQP滤子方法

讨论了一种信赖域SQP滤子方法的局部收敛性.滤子方法会遇到Maratos效应,尽管完全牛顿步可能是一个超线性收敛步,但是当迭代点充分靠近原问题的严格局部解时,完全牛顿步可能会使目标函数值和约束违反度上升,从而不被算法接受,于是破坏了算法的收敛性.给出一种修改后的信赖域SQP滤子算法,当完全步不被接受时,对算法进行二阶校正(SOC),可以减小其不可行性.修改后的算法可以避免Maratos效应,使算法达到局部超线性收敛.     

有界约束非线性方程组的仿射内点法

本文给出了解决带变量有界约束的非线性方程组问题的仿射内点法,此方法将内点牛顿类方向与线性搜索相结合,它拓展了不精确牛顿法。方法使用了仿射技巧,其搜索方向采用不精确牛顿步,并用内点回代技巧和线性搜索技术保证迭代点严格可行和目标函数的下降量。文章给出了算法的整体收敛性和局部超线性收敛性的分析与证明。     

求解非线性方程的一个新的预测-校正方法

将一种基于数值积分公式的隐式迭代格式与一种改进的牛顿迭代法结合,得到一种新的求解非线性方程的预测-校正方法,并用数值实例来验证该方法.新方法比一些已知的方法收敛阶、收敛精度更高,适合函数类的范围更宽,是一种较优的方法.     

有界约束非线性方程组的不精确牛顿类仿射共轭梯度路径方法

提供了不精确牛顿类的仿射内点离散共轭梯度法求解有界变量约束的非线性方程系统.通过构建仿射离散共轭梯度路径结合不精确牛顿步获得了搜索方向,并使用内点回代线搜索技术获得迭代步长.在合理的条件下,证明了算法的整体收敛性和局部超线性收敛速率.最后,数值结果表明了所提供的算法的有效性和可行性.     

非拟Newton族的导出及其收敛性

对无约束最优化问题提出了一类非拟Ｎｅｗｔｏｎ族算法,它不再是Ｈｕａｎｇ族中的成员．与拟Ｎｅｗｔｏｎ法相比,新给出的校正公式,在不增加计算量的前提下,能吸纳更多的信息,且仍保持正定对称传递性．对一致凸的目标函数,证明了算法的整体收敛性．且结论对众多类型的精确与非精确线搜索均能成立,而这些线搜索在最优化算法中是比较有效且常用的．     

一类新的非单调线性搜索BFGS算法

研究了一类非单调线搜索在解无约束优化问题BFGS算法中的应用.该类非单调线搜索属于Armijo型线搜索,并且在每次迭代计算步长时,初始测试步长可根据目标函数的特征进行调整.证明了本算法全局收敛性,通过对公共优化测试函数的实验,表明了算法的稳健性和有效性.     

约束优化的两块校正非单调回代法

提出一种二块校正既约Hessian方法的非单调信赖域回代算法来解决约束优化问题。一般采用二块校正的双边既约Hesse阵方法代替完全Hesse阵方法处理大规模问题。为了获得算法的整体收敛性，引入非光滑的l1罚函数作为势函数。在每次回代中不必使罚函数都单调递减，以使能克服高度非线性情况下的峡谷状态，同时采用二阶校正步计算能避免Maratos效应。只要每一步迭代至少运用两种校正规则之一，算法就能保持一步局部Q－超线性收敛速率。     

线性圆锥互补问题的光滑化牛顿法

给出求解线性圆锥互补问题一种新的光滑化牛顿法. 首先, 基于一个圆锥互补函数的光滑化函数, 将线性圆锥互补问题转化成一个方程组,  然后用光滑化牛顿法求解该方程组; 其次, 在适当假设下, 证明该算法具有全局收敛性和局部二阶收敛性. 数值结果表明, 该算法求解线性圆锥互补问题所需的CPU时间和迭代次数均较少, 且相对稳定, 从而证明了算法的有效性.     

基于最小错误概率变步长的盲均衡算法

在分析了基于最小错误概率盲均衡算法的基础上,用牛顿梯度变步长算法实现了基于最小错误概率新的变步长盲均衡,克服了固定步长收敛速度和收敛精度之间的矛盾,加快了收敛速度,减小了稳态剩余误差。计算机仿真结果分别给出了4PAM,8PAM信号在典型电话信道和普通最小相位信道中牛顿梯度变步长算法与固定步长算法的收敛曲线。由两种算法收敛曲线的比较可以看出,新算法的收敛性能明显得到改善。     

等式约束优化的投影拟牛顿法的非单调信赖域算法

提供了分解投影拟牛顿法结合非单调信赖域算法求解非线性等式约束优化问题。在合理的条件下，证明了算法的整体收敛性，通过引进二阶矫正步克服了MARATOS效应，使算法保持了局部超线性收敛速度。     

Simpson牛顿公式的一种改进

文章基于牛顿公理给出非线性方程求根的一种三阶方法,证明了该迭代格式三阶收敛到单根,计算效能高于其他同类迭代法;在方程根的重数m已知和未知的情形下,分别给出了该方法的改进公式,并指出了它们的收敛阶;最后给出数值试验并与其他方法进行比较,结果显示该方法非常有效,具有一定的理论价值和应用价值。