一个自动确定信赖域半径的锥模型信赖域方法

自适应信赖域算法由于利用了对算法有重大影响的有关当前迭代点的信息,提高了算法的效率,因此对于无约束最优化问题提出一个锥模型自适应信赖域算法.算法中信赖域半径采用新的自适应修正策略.算法在每步迭代中以R-函数变化的速率、水平向量信息以及当前迭代点的一阶导数信息来修正信赖域半径的大小,使得信赖域半径的修正依据于问题本身,克服传统信赖域算法中没有利用当前迭代点的信息修正信赖域半径的缺点.在一定的条件下简洁地给出了算法的全局收敛性分析.算法丰富了已有的自适应信赖域算法.     

线性约束优化的一个自适应非单调信赖域方法

给出了线性约束优化问题的一个自适应信赖域算法,其中的信赖域半径是由算法本身自动进行调解的,从而避免了传统算法在选取信赖域半径时的盲目性.借助于非单调技术,获得了算法的全局收敛性.     

解优化问题的遗传加速信赖域搜索算法

针对解优化问题的信赖域算法迭代点变化受到信赖域半径约束导致运算速度下降,作者提出了一种遗传加速信赖域搜索算法,该算法在信赖域迭代点变化速度受到信赖域半径约束时,用遗传算法在扩大了的信赖域内求解信赖域子问题,得到加大了的迭代步长,摆脱了短步长迭代的约束,同时通过调节参数可以控制遗传算法加速次数的多寡,从而提高了收敛速度.算法分析和算例表明了新算法的有效性.     

一类基于非单调信赖域技术的信赖域修正算法

基于传统信赖域算法,为了解决约束最优化问题,利用非单调信赖域技术调整信赖域半径,矫正罚参数,提出了一种信赖域的修正算法,给出了收敛性证明.数值实验表明了算法的有效性.     

求解非线性方程组问题的自适应信赖域方法

提出一种新的求解非线性方程组问题的自适应信赖域方法.这个新的方法与同类算法相比,信赖域半径更容易计算,节省了计算工作量.此文还给出了算法在一定的条件下具有全局收敛性和Q-二阶收敛速度.给出的自适应信赖域方法与传统的信赖域方法相比信赖域半径可根据当前迭代点的信息自动调节产生,在实际应用中更容易实现.     

一类求解无约束优化的自适应拟牛顿型信赖域算法

提出一类求解无约束优化的自适应拟牛顿型信赖域算法,信赖域半径更新准则采用由L-函数给出的一类自适应更新准则,当前迭代点处的目标函数的二阶海森矩阵用某种拟牛顿型公式近似.在一定假设的条件下,算法具有传统信赖域算法的全局收敛性质.数值实验表明,对于求解无约束优化问题算法是有效的.     

一个新的锥模型自适应信赖域算法

对无约束最优化问题提出了一类锥模型自适应信赖域算法.信赖域半径的修正采用一个新的自适应调节策略.算法在每步迭代中以当前迭代点的信息以及水平向量信息来调节信赖域半径的大小.在适当的条件下,证明了算法的全局收敛性和Q－二阶收敛性,并且给出了相应的数值结果.     

一个带有线搜索的自适应混合折线信赖域算法

将文献[2]求解信赖域子问题的混合折线法与文献[1]的自动确定信赖域半径的方法相结合,并且在试探步不可接受时,采用线搜索来计算下一个迭代点,提出了求解无约束优化问题的一个带有线搜索的自动调节信赖域半径的混合折线信赖域算法.在通常条件下,证明了算法的全局收敛性,数值结果验证了新方法的有效性.     

非线性约束最优化的一类逐次线性算法

对于非线性约束最优化，提出了一个自动调节罚因子的信赖域类型的逐次线性算法。在一个很广泛的信赖域半径选择规则下，证明了算法的强收敛性。本文还讨论了特殊情况下算法的超线性收敛性。     

无约束优化的一类新的非单调信赖域算法

当选取的初始搜索点处于峡谷附近时,利用现有的信赖域算法将搜索到的最优解可能是局部最优解。针对此问题提出了无约束优化的一类新的非单调信赖域算法。该算法是在现有的非单调信赖域算法的基础上通过放宽信赖域半径的校正条件,从而放大信赖域半径,即而可能跳出峡谷。使搜索到最优解可能是全局最优解。在一定的条件下,证明了此算法的全局收敛性,并通过数值实验验证了算法的有效性。     

非线性等式约束分解信赖域算法(Ⅰ)

本文采用分解、合成的思想,求解非线性等式约束优化问题,第一节,介绍了算法的发展;第二节,利用Fletcher罚函数,给出本文使用的两个算法:通常信赖域算法,非单调信赖域算法。非单调信赖域算法是通常信赖域算法的推广,算法实践表明:非单调信赖域算法更具优越性,开始受到充分重视。     

A BOX TRUST REGION METHOD ON A SUBSPACE FOR UNCONSTRAINED OPTIMIZATION

对无约束最优化问题给出了一类具有降维和记忆功能的子空间信赖域算法。该方法既有信赖域算法的特点，又有多信息下降法的特点，故收敛速度较快，初步的数值试验也证实了这一点。     

非线性方程的一个信赖域迭代算法

对于信赖域子问题产生的搜索方向 ,利用一个给定的步长到达下一迭代点 ,证明了算法的全局收敛性 ,从而既避免了信赖域方法中在一次迭代多次求解信赖域子问题的困难 ,又避免了线搜索方法中为达到下一迭代点而多次调用函数值的计算 .     

基于齐次模型的信赖域算法

提出一种基于齐次模型的信赖域算法，传统的基于二次模型的信赖域算法只是它的一个特例。由于该模型比二次模型更近似目标函数，故新算法优于传统的信赖域算法。     

无约束最优化问题中梯度路径的一种简单求法

基于对称矩阵的Ｂｕｎｃｋ－Ｐａｒｌｅｔｔ分解,将信赖域子问题转换成一修造是的信赖域子问题。     

投影Hessian的内点回代算法解线性约束优化问题

提供非单调内点回代技术的信赖域投影Hessian算法解线性约束优化问题.基于矩阵QR分解的技巧,将仿射零空间的信赖域子问题变换成通常的信赖域子问题,然后结合线搜索技术,在每次迭代信赖域子问题都将产生新的回代内点.在合理的条件下,证明了算法不仅具有整体收敛性而且保持局部超线性收敛速率,引入非单调技术将克服病态问题,加速收敛性进程.     

一个无约束最优化信赖域算法的全局收敛性

一个无约束最优化信赖域算法的全局收敛性柯小伍（北京师范大学数学系，１００８７５，北京；２９岁，男，博士后）关键词信赖域算法；全局收敛性；无约束最优化分类号Ｏ２２４对于无约束最优化问题，Ｒｎ→Ｒ是Ｒｎ上的连续可微函数，已经有许多信赖域算法以及它们的收敛...