关于二次子问题的解

信赖域方法是非线性规划中一类十分重要的方法,而信赖域方法都需要求解信赖域子问题。目前常用且易于实现的子问题有二种,在讨论算法的收敛时,总是假定这二种方法求出的子问题满足充分下降性条件。本文给出了这二种子问题的解的关系。     

预条件修正梯度路径自适应信赖域算法

本文提出了一种新的预条件修正梯度路径自适应信赖域方法.首先解信赖域子问题使用预条件修正梯度路径算法,而信赖域子问题的半径的选取也是借助于形成梯度路径时的Bunch-Parlett 分解.可以证明算法在通常使用的条件下有好的收敛性.     

无约束最优化的梯度路径非单调信赖域算法

基于对时称矩阵的Bunch-Parlett分解,将信赖域子问题转换成一个等价的信赖域子问题,构造出一种易于实现的梯度路径,然后沿着这条路径用非单调的信赖域法来找出问题的大约最优解,该法对海色矩阵无正定的限制,保留了信赖域方法的特色,并证明了这种算法的全局收敛性和二阶收敛速率。     

一种求解二次模型信赖域子问题的新算法

在Hessian矩阵正定的前提下,首先根据信赖域子问题精确求解方法的思想,得到了最优曲线的参数方程,进而建立了一种最优曲线的微分方程模型.针对此微分方程模型,运用中点公式构造了一条折线.从而用该折线代替最优曲线,提出了一种求解二次模型信赖域子问题的新算法.数值结果表明新算法比切线单折线法具有明显的优势.     

一种求解非光滑无约束凸规划的混合束方法

首先介绍了一种常用的束方法——迫近束方法.通过在迫近束方法子问题的约束集合中增加信赖域约束,将信赖域思想与迫近束方法相结合,给出一种新型束方法的混合子问题,该子问题可使迫近与信赖域束方法思想有规律的进行切换.然后考虑一种迫近参数更新策略,在迭代过程中根据实际下降与预测下降的接近程度更新迫近参数.将迫近参数更新策略与混合束方法有机结合,给出一种新型求解非光滑无约束凸规划混合束方法.     

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...     

求解非线性最小二乘问题的自适应锥模型信赖域算法

针对非线性最小二乘问题,利用锥模型算法思想,给出了海赛矩阵中二阶信息项的割线近似的不同校正公式,并利用自适应信赖域技术给出了求解非线性最小二乘问题的自适应锥模型信赖域算法.算法中我们允许使用非精确方法近似求解信赖域子问题.文中给出了新算法的全局收敛性和超线性收敛性分析以及数值试验结果.     

广义信赖域子问题的二阶锥重组技术

二次约束优化问题在非线性规划的研究中处于基础性地位,而广义信赖域子问题是二次约束优化问题中的一类非常重要并且应用广泛的问题.对于非凸的广义信赖域子问题来说,如果它与它的拉格朗日对偶问题之间存在着正的对偶间隙,那么该问题的全局最优解的求解就会变得困难起来.近年来,二阶锥重组技术在缩小和消除广义信赖域子问题的对偶间隙上取得了一系列重要成果,将对这些重要的结果进行回顾并对未来给出展望.     

一个基于锥模型的自适应信赖域算法

对无约束优化问题提出了基于锥模型的自适应信赖域算法,把锥模型子问题变成二次模型的子问题进行求解,从而减少信赖域子问题的求解,二次模型的信赖域算法是新算法的特例。在适当的条件下,证明了算法的全局收敛性及超线性收敛——数值试验表明新算法是有效的。     

一个修改的非单调BFGS信赖域方法

在MBFGS方法以及一种非单调的搜索技术的基础上,提出了一种非单调BFGS信赖域方法.相对于单调的BFGS信赖域方法而言,该算法采用了非单调技术,使得信赖域子问题的求解更加容易.此外,在一定的假设条件下,证明了算法的全局收敛性.进一步的数值实验验证了算法的有效性.