混沌蚁群算法在回归分析中的应用

混沌蚁群优化算法将混沌搜索与蚁群算法相结合，在蚁群搜索完成后，利用混沌进行细搜索，以提高搜索精度，避免陷入局部最小点．将其用于线性回归分析，仿真结果表明，混沌蚁群算法能够有效地解决回归分析问题，为回归问题提供了一个新的解决方法．     

绝对值方程的非单调光滑算法

给出了一个新的非单调线性搜索技术,其包含传统的单调线性搜索和一些非单调线性搜索.基于新的非单调技术,给出了一个求解绝对值方程的光滑算法,证明了算法具有全局和局部二次收敛性质.数值试验表明算法是有效的.     

一类新的强Wolfe线性搜索下的记忆梯度法

研究一类新的无约束优化记忆梯度算法,并在强Wolfe线性搜索下证明了其全局收敛性．当目标函数为一致凸函数时,对其线性收敛速率进行了分析．     

一种新线性搜索下混合HS—DY共轭梯度法的伞局收敛性

在HS方法和DY方法的基础上,给出了一种求解无约束问题的混合共轭梯度算法．在新的非精确线性搜索下,不需给定下降条件,证明了算法的全局收敛性．     

一种新线性搜索下的共轭梯度法

文章给出了一种新的非精确线性搜索下的共轭梯度法,说明了在新线性搜索下每次迭代能够产生下降方向.证明了新线搜索下FR共轭梯度算法的全局收敛性.     

一种共轭梯度算法的全局收敛性

本文提出了一种计算βk的新公式，即提出了一种新的共轭梯度法，证明了一种非精确线性搜索能够保证这种算法的下降性和全局收敛性．     

无约束优化问题的Newton-过滤器算法

构造了求解无约束优化问题的新算法,该算法结合了一般的Newton算法的思想和过滤器线性搜索策略,一方面搜索方向由Newton算法产生;另一方面在接受新的迭代点时,采用过滤器线性搜索策略,确定步长,且新算法是全局收敛的.     

基于线性搜索的快速运动估计算法

为了减小快速运动估计算法的计算复杂度和提高运动补偿的准确性,提出了一种新的块匹配运动估计算法,称为线性正方形搜索算法.该算法采用运动估计的线性搜索策略,对于不重要的搜索区域利用线性搜索技术进行快速搜索以减小算法的计算复杂度,而对于重要搜索区域,即最佳点所在区域,用9点的正方形模块进行精细搜索以提高算法的搜索精度.实验结果证明,该算法与菱形算法相比不仅计算复杂度减小了10%以上,而且视频编码效率可以提高约0 1dB.     

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．     

一类新的记忆梯度法及其收敛性

提出一类新的求解无约束优化问题的记忆梯度法。算法在每步迭代中利用当前和前面迭代点的信息产生下降方向,采用精确线性搜索或Wolfe非精确线性搜索产生步长,在较弱条件下证明了算法具有全局收敛性和线性收敛速率。数值试验表明算法是有效的。     

框式线性规划的非精确不可行内点算法

对框式线性规划提出了一种非精确不可行内点算法，该算法使用的迭代方向仅需要达到一个相对的精度，在初始点位于中心线的某邻域内的假设下，证明了算法的全局收敛性。     

单调线性互补问题的非精确不可行内点算法

对单调线性互补问题提出了一种非精确不可行内点算法．该算法的迭代方向仅需要达到一个相对的精度．在初始点位于中心线的某邻域内的假设下，证明了算法的全局收敛性．     

一种新线性搜索下的杂交共轭梯度法

将HS算法和DY算法结合起来,给出了一种求解无约束问题的杂交共轭梯度算法.在新的非精确线性搜索下,不需给定下降条件,证明了算法具有全局收敛性.     

一类超线性收敛的广义投影非拟牛顿算法

结合广义投影算法与非拟牛顿法，给出了求解线性约束非线性规划问题的一类带有非精确线搜索的新算法。在一定的条件下，我们证明了该算法的全局收敛性和超线性收敛性。     

关于线性等式约束极小化中的ABS下降方向

对最近几年中利用ＡＢＳ算法研究线性等式约束极小化中下降方向的工 作进行了综述；结果表明，目前流行的许多极小化下降方向都可统一于 ＡＢＳ下降方向．对某些基本线搜索的ＡＢＳ形式，给出了一条有关不精确线 搜索算法的收敛条件的等价定理．     

一维搜索的收敛性比较

精确一维搜索与不精确一维搜索是一维搜索的两种主要形式,为了进一步探讨有关其收敛性的内容,本文将分别运用精确一维搜索中的0．618黄金分割法与不精确一维搜索中的Armijo—Goldstdn搜索法进行比较．     

求解二次锥规划问题的非精确光滑算法

针对大规模二次锥规划问题提出一种非精确光滑算法.  该算法允许搜索方向有一定的误差, 在选择步长时采用非单调线性搜索策略. 证明了从任意点出发能得到算法的局部二次收敛速率.     

无约束最优化问题中修改的BFGS方法

本文对BFGS公式进行修正,形成了MBFGS公式,并结合Wolfe-Powell型非精确线性搜索准则设计出了MBFGS算法,通过对目标函数合理的假设证明了该算法具有全局收敛性,又运用Matlab编写程序实现了该算法,初步的数值例子表明了该算法是有效的,并且有收敛速度快的特点.