多场址问题的一个变尺度次梯度算法

多场址问题是一个不可微凸规划问题，本文给出了多场址问题的一个全局收敛的变尺度次梯度算法。     

一个新的过滤器SQP算法的收敛性

过滤器算法是求解约束优化问题的一类有效算法.采用这种算法时,不需要用到罚函数.给出了一个新的判断一个试验点可被过滤器接受的准则,并在此基础上构造一个新的过滤器SQP算法.在一些基本假设下分析了算法的全局收敛性.     

关于Broyden算法类中两个新开关算法的全局收敛性

文中详细给出了在变分的意义下,Broyden算法类中两个新开关算法的推导过程,并证明了Wolfe在不精确线性搜索准则下,它们具有全局收敛性。     

一类水平线性互补问题的一个不可行内点算法的收敛性

作为单调水平线性互补问题的推广,引入了Ｐ＊（κ）阵水平线性互补问题（简称Ｐ＊（κ）－ＨＬＣＰ）．证明了Ｙ．张的算法能被推广以解决Ｐ＊（κ）－ＨＬＣＰ问题,这个推广算法在运算过程中是独立于分类数κ的．如果这个算法的起始点是一对任意的正数,那么算法将达到Ｑ－线性收敛;如果起始点是一对足够大的正数,此算法经过至多Ｏ（（ｋ＋１）４ｎ２ｌｎ（（ｘ０）ｒｓ０）／ε次运算得到ε－逼近解,其中（ｘ０,ｓ０）是一对起始点     

一种共轭下降算法的全局收敛性

给出了求解无约束优化问题的一种共轭下降算法,该算法具有充分下降性的共轭梯度公式。在较为温和的条件下,利用宽松的非精确线搜索条件得到全局收敛性结果,同时数值实验表明了算法的有效性。     

求非线性规划全局最优解的一个算法

首先给出了判别ｆ（ｘ）的极小值点ｘ０∈Ｄ是否为ｍｉｎ ｆ（ｘ）的最优解的充分必要条件,在此基础上,给出了求一元函数及多元函烽全局最优解的方法,此外,还给出了求一元函数极值的一个迭代算法。     

模拟退火算法和推广的与时间无关的噪声算法

本文首先介绍了模拟退火算法,给出了它的物理和数学解释.另外首次对文献[5]中提出的推广的与时间无关的噪声算法(TINA)进行了严格的理论讨论,说明了当参数α>0 5时算法依概率收敛到一个全局极值点;而当α=0 5时,随机动力系统可能发生分支现象.     

求解等式约束最优化问题的Broyden算法的全局收敛性

将单边既约Hesse矩阵SQP方法和无导数线性搜索技术相结合,提出了一种求解等式约束最优化问题的拟牛顿算法．在适当的假设条件下,证明了算法全局收敛于优化问题的KKT点,而且收敛速度是局部超线性的．当迭代次数k充分大时,这种算法可以实现单位步长,因此不会出现Marotos效应．     

约束优化问题的序列近似方法收敛性

对抽象约束优化问题的序列近似方法的收敛性进行讨论,证明了在目标函数序列连续收敛和约束集合序列收敛的条件下,序列近似问题的全局最优值收敛到原问题的最优值.进一步,证明了在序列近似问题目标函数和约束集合具有某些单调性质的前提下,把目标函数序列连续收敛减弱到上图收敛,该结论仍然成立.最后,将这一结果用于分析互补约束优化问题的光滑化方法的收敛性中.     

一类Bundle型分解算法(英文)

给出一个修正的分解算法和一类Ｂｕｎｄｌｅ分解算法,并且证明了算法的全局收敛性和线性收敛速度．     

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．     

一种结合混沌映射与梯度法的优化算法

将梯度法与混沌映射相结合,提出了一种混沌梯度算法(CGA),该算法具有搜索全局最优解的能力。     

求解无约束优化问题的一种下降算法3

研究了求解无约束优化问题的一种共轭下降算法,并在非精确线搜索条件下证明了该算法的全局收敛性.     

求解无约束优化问题的一种下降算法

研究了求解无约束优化问题的一种共轭下降算法，并在非精确线搜索条件下证明了该算法的全局收敛性．     

一个非单调BFGS信赖域算法

将新的BFGS校正公式Bk 1=Bk yk*y*k TsTkyk*-BksksTkBkskTBksk,与文献[16]中的算法相结合给出一个非单调BFGS校正的信赖域算法.该算法在假设条件:(i)存在常数c1,c2,c3,使得对所有的Δk>0,gk∈Rn,对称正定阵Bk∈Rn×n,有p redk≥c1 gk m in{Δk,c2 gk,c3 gk/Bk};(ii)若B-k 1≤Δk,则dk=-B-k 1gk;(iii)f(x)是二次连续可微函数,2f(xk)是L ip sch itz连续,水平集(x0)有界下,具有全局收敛性和Q-二次收敛性.     

一种基于混沌的优化算法

将混沌变量与梯度法相结合,提出了一种基于混沌的优化算法,该算法具有搜索全局最优解的能力。     

求解LC^1优化问题的快速收敛算法

在文献[1]中Xiaojun Chen给出了一个用于解决LC^1线性约束优化问题BFGS－SQP算法。这个算法是用Armijo线性原则来求步长的。本文采用Wolfe线性搜索原则来替代该BFGS－SQP算法的Armijo原则,经过类似的分析,同样得到了BFGS－SGP算法的全局收敛性及超线性收敛性。     

一个新的解无约束优化问题的信赖域算法

为了减少求解信赖域子问题的次数,通过对当前目标函数下降量与成功迭代的目标函数下降量最小值的比较,提出一个新的解无约束优化问题的信赖域算法,证明了该算法的全局收敛性,并用数值实验说明新算法是有效的.     

一个改进的BFGS算法

提出了求解无约束优化问题的一个改进的BFGS算法,并结合Goldstein线搜索证明了算法对一般非凸目标函数极小化问题的全局收敛性.