求解线性方程组的一种迭代算法及其收敛性

对于求解线性方程组Ax=b,考虑当矩阵A为对称正定矩阵或者M矩阵时,文章给出了一种松弛迭代算法并且讨论了其收敛性.从数值结果,可以看出此算法的优越性.     

线性方程组并行迭代求解的收敛性

文章利用近似逆矩阵构造了一类求解线性方程组的并行迭代算法.分析了算法的收敛性,给出了参数的取值范围及最优值计算公式.     

非Hermitian正定矩阵的一种分裂迭代格式

对正定线性方程组Ax=b,构造了一种分裂迭代格式,并对该算法的收敛性进行了证明.     

部分变量已定值的线性方程组的行处理法

给出含部分已定值变量的线性方程组的行处理法迭代解法,并分析算法的收敛性。     

线性方程组迭代求解的近似逆方法收敛性

利用近似逆矩阵定义，构造一类双对称矩阵，讨论解线性方程组迭代求解近似逆方法的收敛性。     

求解非线性方程组的一个光滑化一步牛顿算法

针对非线性非光滑函数方程组提出了一种新的光滑化一步牛顿算法,这个算法的每步迭代只需要解1个线性方程组,执行1次线搜索.证明了该算法是全局收敛的,并且在一定条件下,证明了它的局部超线性收敛性和二次收敛性.     

广义正定矩阵的判别及相应线性方程组的求解

通过给出广义正定矩阵判别的充分条件和充要条件,研究求解广义正定矩阵线性方程组的HSS迭代算法,分析算法的收敛性,并给出数值实验.     

并行多分裂块松弛TOR迭代算法的收敛性

 分析了求解大型线性方程组的并行多分裂块松弛TOR迭代算法,在更弱的条件下得到了该算法的收敛准则,同时也给出了相应块迭代矩阵谱半径的上界估计式.     

双反对称的线性方程组的迭代算法

充分利用双反对称矩阵的性质,研究了双反对称的线性方程组Ax=b的迭代算法,给出求方程解的迭代算法.通过2个数值例子说明算法是可行有效的。     

压缩算子下线性方程组的非线性迭代算法

利用压缩映射定量，不动点原理及矩阵的相关性质，对求解一般线性方程组问题进行了研究，导出了一种求解线性方程组的非线性迭代算法。特点是：无需对矩阵进行各种变换及求逆等运算，能始终保持收敛性且收敛速度较快。仿真结果表明，该算法稳定，收敛速度快，且有实用价值。     

一类解非线性方程的非单调信赖域的牛顿算法

提出了一类解非线性方程的非单调信赖域的牛顿算法。证明了此方法的全局收敛性,并给出了它在一定条件下的超线性收敛的结果。     

无约束优化的一个全局收敛算法及其收敛速度

对最速下降法与拟牛顿法的结合算法进行了改进,证明了改进算法的全局收敛性,而且给出了局部超线性收敛性.初步的数值计算结果也表明了改进的算法比原算法有更好的收敛效果.     

一种针对收敛性问题的改进进退法及其仿真验证

进退法是最优化方法中一种常用且简单的一维单峰试探搜索算法.针对进退法的收敛性和收敛速率展开研究,在讨论了进退法的算法原理及其实施步骤的基础上,针对原算法在某些情况不收敛的问题,提出了一种改进的进退法,将原算法每次进退迭代中的转向步长变为与前一步长和迭代次数有关的函数, 这样可以克服原算法不收敛的缺点.通过严格的理论推导证明了改进进退法的正确性,并利用实例仿真验证了其有效性.结果表明:进退法收敛速率不稳定,依不同初始参数而不同,改进进退法以降低收敛速率为代价而保证收敛性.     

求解线性约束规划问题的信赖域仿射尺度法

考虑到求解线性规划问题的仿射尺度法实际有效,但有时不具有全局收敛性,而求解无约束优化问题的信赖域法具有很好的全局收敛性,结合求解线性规划问题的仿射尺度法和求解无约束优化问题的信赖域法,给出了求解线性约束规划问题的一种信赖域仿射尺度法,并证明了该算法的收敛性,数值试验表明,所给方法是实际有效的。     

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。     

广义几何规划一个超线性与二次收敛算法

建立带等式与不等式约束的广义几何规划一个新的快速收敛算法,算法的搜索方向由一个二次规划和一个线性方程组的解产生,效益函数为广义精确罚函数．在适当的条件下证明了算法的全局收敛性、超线性收敛性与二次收敛率．     

GaAs MESFET器件数值模拟的预优共轭梯度法

用传统的牛顿法对GaAs MESFET器件进行数值模拟,由于发散而并不成功。本文采用在不精确线性搜索条件下仍具下降性与收敛性的Fletcher-Reeves共轭梯度法,求解由非线性方程组转化成的非线性最小二乘问题。为使方法能在不同的二次区域形成共轭性较好的搜索方向,方法采用了重开始准则。为加快收敛速度,对目标函数采用了逐步预优的方法。为减少存储量,预优矩阵由Broyden修正公式产生,且不存储修正矩阵,计算结果表明方法稳定,收敛较快,数值结果与实验结果基本相符。     

基于拟Broyden法的非线性系统参数优化迭代学习控制

为解决动力非线性系统跟踪控制问题,将拟Broyden法和参数优化迭代学习控制方法结合,即利用拟Broyden算法对系统雅可比矩阵进行迭代近似计算,通过参数优化对学习因子进行优化,提出了一种新的具有单调收敛特性的迭代学习控制算法.该算法不仅能够简化传统牛顿法中对系统雅可比矩阵求逆计算所带来的复杂性,而且从理论上证明了其具有单调递减的特性和全局收敛性.仿真结果表明,该算法能够精确地跟踪给定输入目标,具有实施简便和单调超线速收敛的特点.     

极小化一元凸函数的一个数值方法

本文给出了一个极小化一元非光滑凸函数的可执行的数值方法，此算法的要点是仅用在已有的五个点上的函数值去确定两个更好的接近最优解的点．我们证明了这个算法是全局收敛的和ｒ－超线性收敛的，数值结果也表明此算法有好的收敛性．     

一个新的BFGS信赖域算法

给出能够保持校正矩阵是正定的新的BFGS信赖域算法,以及该算法的全局收敛性和其二次收敛速度．