LP鞍点共轭梯度法的研究与实现

在线性规划问题中,为了提高算法的求解速度,快速得到最优解。对鞍点算法,共轭梯度法进行了深入研究与分析。针对鞍点算法在逼近鞍点时收敛速度变慢的缺陷,将计算比较简单且有限步迭代即可收敛的共轭梯度法成功的应用于鞍点算法中形成了一种新的算法—鞍点共轭梯度算法。以c 为开发工具,在计算机上实现了该算法,并编成一个解题系统能够快速求解线性规划问题。实验结果表明相对于鞍点算法,用鞍点共轭梯度算法计算,解题时间效率明显提高。     

AXB＋CXD=F的中心对称解及其最佳逼近的迭代算法

应用共轭梯度思想,给出了求解约束矩阵方程AXB CXD=F的中心对称解及其最佳逼近的迭代算法. 当矩阵方程AXB CXD=F有中心对称解时,在有限的误差范围内,对任意初始中心对称矩阵X1,运用迭代算法,经过有限步可得到矩阵方程的中心对称解;选取合适的初始迭代矩阵,还可以迭代出极小范数中心对称解. 对任意给定的矩阵X0, 矩阵方程AXB CXD=F的最佳逼近中心对称解可以通过迭代求解新的矩阵方程AB CD=F的极小范数中心对称解而得到. 文中给出的数值例子证实了该算法的有效性.     

带子矩阵约束的二次逆特征值问题的最小二乘埃尔米特广义斜哈密顿矩阵迭代解

针对带子矩阵约束的二次逆特征值问题的最小二乘埃尔米特广义斜哈密顿结构矩阵解问题,给出了一种共栀梯度迭代算法.首先提出了带子矩阵约束的二次逆特征值问题的最小二乘问题及其最佳逼近问题;然后分别给出了基于共轭梯度的迭代算法,证明了算法的收敛性.对于任意初始约束矩阵,在不存在舍入误差的情况下,用该迭代算法可以在有限步迭代中得到...     

用于电容层析成像技术的共轭梯度算法

针对电容层析成像技术中的“软场”效应和病定问题,基于灵敏度矩阵的奇异值分解理论,提出共轭梯度图像重建算法及其改进算法———正则化共轭梯度法.仿真实验得知:经过 200次迭代后,Landweber算法残差为0. 139 5,未加正则化的共轭梯度算法残差为 1. 357 7×10-4;完成同样操作,Landweber算法迭代耗时 9. 3s,共轭梯度法只需 6. 8s.可见,共轭梯度法是一种比其他的迭代算法收敛更快、成像效果更好的图像重建算法.     

图书馆数据存储中的重球最优阈值算法

对图书馆数据存储中的压缩感知问题的数值算法进行研究.将传统梯度下降法多步扩展的重球加速法与一种新的阈值技术——最优s阈值相结合,提出了用于求解压缩感知问题的两种算法：基于重球的最优s阈值算法和基于重球的最优s阈值追踪算法.证明了算法产生的迭代点序列全局收敛到压缩感知问题的一个解.     

矩阵方程AXB+CXD=F广义双对称解的迭代算法

对广义自反矩阵P,即PT=P,P2=I,如果PXP=X,XT=X,称X为广义双对称矩阵.在共轭梯度思想的启发下,给出了迭代算法求解约束矩阵方程AXB+CXD=F的广义双对称解及其最佳逼近.应用迭代算法,矩阵方程AXB+CXD=F的相容性可以在迭代过程中自动判断.当矩阵方程AXB+CXD=F有广义双对称解时,在有限的误差范围内,对任意初始广义双对称矩阵X1,运用迭代算法,经过有限步可得到矩阵方程的广义双对称解;选取合适的初始迭代矩阵,还可以迭代出极小范数广义对称解.而且,对任意给定的矩阵X0,矩阵方程AXB+CXD=F的最佳逼近广义双对称解可以通过迭代求解新的矩阵方程AXB+CXD=F的极小范数广义双对称解得到.     

对称矩阵特征值反问题的最佳逼近解的一种数值解法

利用复合最速下降法,给出了对称矩阵特征值反问题AX=XΛ有解和无解两种情况下最佳逼近解的通用数值算法,对任意给定的初始矩阵A0,经过有限步迭代可以得到对称矩阵特征值反问题的最佳逼近解,并分别给出有解和无解两种情况下的数值实例,证明了此算法的可行性.另外,结合投影算法,可以用此算法来求解其它凸约束下矩阵特征值反问题的最佳逼近解,从而扩大了此算法的求解范围.     

一种求解单调方程组的范数下降共轭梯度法

提出一种求解大规模非线性单调方程组的范数下降共轭梯度算法.所提算法推广了Xiao,Song,Wang等提出的求解无约束优化问题的基于BB循环步长的共轭梯度算法,并结合Solodov和Svaiter提出的投影梯度算法.所提算法迭代形式简单、储存量小,且每步迭代不需要方程组的导数信息.本文证明算法的全局收敛性,并做数值试验验证算法在求解非线性单调方程组方面的有效性.     

有界变量约束优化的仿射投影共轭梯度路径内点方法

采用共轭梯度路径结合仿射内点投影回代技术解有界变量约束的非线性优化问题．通过构造共轭梯度路径解二次模型获得搜索方向,引入线搜索技术获得的迭代步既落在严格可行域内,叉能使目标函数下降．基于共轭梯度路径的性质,在合理的假设条件下,证明了所提供的算法不仅具有整体收敛性,而且保持快速的超线性收敛速率．进一步,数值计算说明了算法的可行性和有效性．     

结合Armijo步长搜索的新三项共轭梯度算法及其收敛特征

对求解无约束优化问题提出了一类新的三项共轭梯度求解算法,在去掉迭代点列{xk}有界和Armijo步长搜索下,讨论了算法的全局收敛性,同时给出结合FR、PR、HS共轭梯度参数的三项共轭梯度算法,数值算例表明新算法比Armijo步长搜索下的FR、PR、HS共轭梯度算法有效。