Perry-Shanno无记忆拟牛顿方法在非单调搜索下的收敛性

将Perry-Shanno无记忆拟牛顿方法与一类非单调搜索相结合,给出了一类求解无约束最优化问题的新算法.在目标函数为凸的条件下,证明了该算法的全局收敛性.     

无记忆方法的收敛性分析

分析了无记忆方法的收敛性 ,证明了在 Armijo- Goldstein准则下 ,无记忆优化方法对一般目标函数为全局收敛 ,且对一致凸函数 ,其定步长算法亦是收敛的。     

一种无记忆拟牛顿法的收敛性

在f(x)为二阶连续可微凸函数的条件下，证明了一种无记忆拟牛顿法的收敛性。     

基于新拟牛顿方程的拟牛顿法的超线性收敛性分析

假设f（x）二阶连续可微且一致凸时和f（x）的二阶导数矩阵G（x）在极小点x^＊处满足Holder条件，文章证明了基于新拟牛顿方程的拟牛顿法的超线性收敛性．     

基于非单调线搜索的无记忆拟牛顿法的全局收敛性

文章就Perry_Shanno无记忆拟牛顿法在无约束最优化问题上,对采用非单调线搜索的情况下是否具有全局收敛性进行了研究.在目标函数为凸的条件下,证明了该算法的全局收敛性.     

广义拟牛顿算法对一般目标函数的收敛性

对于无约束最优化问题minf(x),x∈Rn,提出了一种广义拟牛顿算法,并且讨论了广义拟牛顿算法对一般目标函数的全局收敛性,以及当f(x)满足Lipschitz连续的条件下,证明了相应的超线性收敛定理。     

非线性规划问题的异步并行的拟牛顿算法

提出了一种求解非线性规划问题的异步并行拟牛顿算法，若假设目标函数是凸的，线性搜索采用Wolfe原则，讨论了所设计的并行算法的全局收敛性。     

一个新的拟牛顿信赖域方法

提出求解无约束优化问题的一个修正拟牛顿信赖域方法。算法可以保持信赖域子问题海森矩阵的正定性。在适当条件下,证明了算法的全局收敛性,并通过数值实验说明了算法的可行性。     

带一类非精确搜索的非拟Newton非凸族的全局收敛性

利用Ｂｙｒｄ和Ｎｏｃｅｄａｌ给出的ψ函数，采用一种比Ｗｏｌｆｅ搜索更广泛的搜索技术，对凸函数证明了非拟Ｎｅｗｔｏｎ非凸族的全局收敛性。     

一个新的拟牛顿信赖域算法

提出了一种新的修正拟牛顿信赖域算法.算法同时利用函数值信息和梯度信息构造信赖域子问题,既可保持信赖域子问题海森矩阵的正定性,又能改善算法的数值执行.在一定假设的条件下,证明了算法的全局收敛性,并通过数值实验表明了提出算法的有效性.     

几类非精确线搜索下共轭梯度法的收敛条件

在几类非精确线搜索下讨论一般共轭梯度法的收敛条件，运用此条件，对一类新算法的收敛性进行分析。     

一种修正的HS共轭梯度法及其全局收敛性

对经典的HS共轭梯度法进行了修正,保证了搜索方向的充分下降性,这一性质在非精确线搜索和非凸函数情形下也是成立的.在适当的假设下证明了强Wolfe线搜索下算法的全局收敛性,数值实验表明算法数值效果良好.     

不假定凸性和精确线搜索时DFP算法的收敛性

对非凸目标函数,Broyden变尺度算法的收敛性是一个没有完全解决的问题.针对DFP修正公式证明在不假定精确线搜索条件下,对光滑的目标函数,当DFP算法得到的点列收敛时,该点列一定趋向于稳定点.指出对于其他Broyden算法结论都是成立的.     

一些修正的线搜索及其收敛性

文献中,韦(Wei Z.)用k次迭代的矩阵函数f (x-xk)TAk(x-xk)来代替简单函数f(f是给定问题的目标函数),Ak为给定的对称正定矩阵,并给出了一些新的线性搜索.该文在详细叙述新准则的基础上进一步讨论了给定算法在这些线搜索下的下降性质及收敛性.并且证明了当Ak满足文中所给条件时算法具有超线性收敛速度.     

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。     

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．     

一类修正的共轭梯度法及数值试验

本文提出了一类求解无约束优化问题的修正的HS共轭梯度法.该算法每步都可产生一个充分下降方向,并且在适当条件下,证明该算法在非精确搜索下全局收敛.最后通过数值试验结果表明该算法的有效性.