一般二次规划的一种分解算法

提出了求解一般二次规划问题的一种分解迭代算法.算法的主要思想是对问题的Hessian矩阵G进行正则分裂,即G=N H并且满足N-H是正定的.在每次迭代中用一个易于求解的矩阵N代替G进行计算.在矩阵G是正定的条件下,算法具有线性收敛性质,产生的迭代点列收敛到原问题的最优解.当矩阵G不正定时,算法产生的点列收敛到问题的稳定点.     

一个修正的牛顿算法

牛顿算法不仅有着悠久的历史,而且具有独特的优点——二次收敛性。但当目标函数f(x)的Hessian矩阵奇异时牛顿算法就无定义。本文对牛顿算法加以修正后证明,对一般可微凸函数,算法是全局收敛的。若最优点处的Hessian矩陈还是非奇异的,则算法是二次收     

解线性互补问题的多分裂多松弛因子迭代算法

考虑矩阵的多重分裂与处理器的并行计算,提出了求解线性互补问题的多分裂多松弛参数迭代算法,利用M-矩阵和H-矩阵的性质及松弛迭代的收敛性,证明了算法产生的迭代点列的聚点为原互补问题的解。最后,为提高算法的收敛速度,分析了ILU分解预处理技术的收敛特性。     

随机扰动梯度近似中的矩收敛率

采用递归估计器的序列求函数的最小值 ,并扩展了Spall的同步扰动随机近似方法 ,进而提出随机扰动梯度近似算法 .对于任意的 1≤q<∞ ,可用估计误差的范数Lq 来度量收敛率 ,序列的收敛速度为O(n- 2 ) ,( >0 ) .在最小点上 ,若代价函数的Hessian矩阵的所有本征值都在 1 2的右面 ,则误差指数 2可任意地接近 1 2 ,并且代价函数足够光滑 ,还可使用导数的高阶近似     

基于平移预条件技术的改进超松弛迭代图像复原

图像复原问题常常可转化为大型线性系统的求解问题.为解决超松弛迭代算法在求解大型稀疏线性系统时的收敛不稳定问题,提出了一种改进的超松弛迭代算法.通过平移预条件技术将超松弛迭代的迭代矩阵进行改进以避免奇异,研究了改进算法的收敛性和松弛参数的取值范围.在两个实际图像复原问题上的数值实验结果表明,改进算法是稳定和有效的.     

求解矩阵极大特征值问题的保守BFGS算法

基于求解无约束优化问题,本文提出求解大型对称正定矩阵极大特征值问题的保守BFGS算法.所提算法有效地避免了求解大型Hessian矩阵逆的问题.同时,在一些合理的条件下,建立了所提算法的全局收敛性.最后,将所提算法和EIGS(Matlab内部计算矩阵极大特征值的命令)进行了对比测试.数据结果表明,本文所提算法快速、高效、稳定.     

基于贪心策略的多目标跟踪数据关联算法

针对多目标跟踪中数据关联问题,提出一种新的数据关联方法,该算法先计算航迹和点迹的欧式距离以及其状态向量的在1范数下的距离,并将两者的和作为关联测度,构建关联概率矩阵.根据关联概率矩阵,对每条航迹都找到最适合(关联概率最大)的点迹,若点迹只是一条航迹的候选点迹则予以更新,若点迹是多条航迹的候选点迹,则选择其中概率最高的一条航迹予以更新.蒙特卡罗仿真表明,该算法在最大程度上保证了对每条航迹更新的点迹尽量是当前所有点迹中最优的点.     

投影AOR迭代求解双边障碍问题

研究了求解双边障碍问题的AOR迭代算法.证明由此算法产生的迭代序列至少存在一个聚点,该聚点是双边障碍问题的解,并且当矩阵为非退化对称矩阵时,该序列收敛到双边障碍问题的解.     

基于最速下降曲线的特征值法

首先,从二次函数在一点的最速下降方向出发定义二次函数过一点的最速下降曲线;其次从二次可微函数最速下降曲线得到利用其Hessian阵的特征值构造的正定矩阵,进而利用该正定矩阵可以构造在该点的下降方向.     

伪不变凸函数的一些性质

引入一种比广义Hessian矩阵更加广泛的一种Hessian矩阵.利用该矩阵讨论了伪不变凸函数及严格伪不变凸函数,得到了它们的一些新的性质.同时,也得到了伪不变凸函数及严格伪不变凸函数的最优解的判别准则.