复合非光滑最优化线搜索方法的全局收敛性

考虑复合非光滑最优化问题minh(f(x))，其中f是一个局部Lipschitzian函数，h是一个连续可微凸函数。本文给出了复合非光滑最优化问题的一个线搜索算法，并且在一定条件下证明了该算法的全局收敛性。     

非光滑单值优化的非单调线搜索方法

提供了非光滑单值优化的非单调线搜索方法,基于线性规划的对偶定理,目标函数的方向导数可以表示成线性规划问题,这在实际计算非单调线搜索子问题时是非常重要的,在合理的条件下,证明了 法的整体收敛性和局部超线性收敛速率。     

关于一类非光滑极大极小问题的非单调线性搜索算法

考虑一类非光滑的离散的极大极小问题：minmax{fi(x)|i=1…m}，其中fi是凸的，但不一定可微．在这里我们给出了非单调线性搜索算法，并证明了在一定条件下算法具有全局收敛性．     

复合非光滑优化问题的一类算法

提出复合非光滑优化问题的一类算法，并证明这种算法保持全局收敛性且敛速度达到超线性。     

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.     

一类新的非单调线性搜索BFGS算法

研究了一类非单调线搜索在解无约束优化问题BFGS算法中的应用.该类非单调线搜索属于Armijo型线搜索,并且在每次迭代计算步长时,初始测试步长可根据目标函数的特征进行调整.证明了本算法全局收敛性,通过对公共优化测试函数的实验,表明了算法的稳健性和有效性.     

一种无约束优化的非单调拟牛顿信赖域算法

提出一种新的信赖域算法, 使子问题产生的试探步 d^k始终保持在信赖域中, 在每次迭代过程中, 试探步d^k均能得到校正, 当试探步不被接受时, 采用非单调线搜索技术, 无需重解子问题. 在适当的条件下, 证明了算法的全局收敛性.     

在非单调线搜索下的CD共轭梯度法的收敛性

对CD共轭梯度法给出一种新的非单调线搜索方法,并证明了在这种非单调线搜索方法下能保证原CD共轭梯度法的全局收敛性.     

一种非单调带线搜索的L-M方法

基于累次的函数平均值下降,采用非单调搜索技术,提出求解无约束优化问题的一个新的非单调线搜索的L-M方法,而传统的非单调线搜索方法取当前迭代点及前m(k)个点中函数值最大的作为参考函数值.在适当条件下,证明该算法的收敛性和k次线性收敛.     

一类无约束优化问题的非单调共轭梯度法

主要研究了一类在推广的线搜索条件下的非单调共轭梯度法，并在较弱的假设条件下证明了其全局收敛性。     

非光滑复合规划的信赖域算法的全局收敛性定理

讨论了非光滑复合规划min h(f(x))，f是正则的局部Lipschitz函数，g是一个连续可微凸函数，给出了它的一个修正的信赖域算法，证明了该算法的全局收敛性定理，推广了Sampaio等人的相应结果。     

非单调线搜索下的记忆梯度法及其全局收敛性

提出一种新的非单调线搜索准则,结合文献中给出的dk,研究一类新的记忆梯度法,在较弱条件下证明了其全局收敛性.算法采用新的非单调线搜索准则,使目标函数值在每一次迭代时充分下降,有效降低了算法的计算量,同时还减弱了文献中算法的使用条件,从而扩大了算法求解问题的范围.     

无约束优化问题线搜索方法的收敛性

在较弱条件下给出了5种线搜索准则下的线搜索方法的收敛结论,这些结论对于构造快速有效的收敛算法是十分有用的。表明了搜索方向在这些方法中起主要作用,同时步长在一定条件下保证了算法的全局收敛性。说明了算法可用于求解更广泛的无约束优化问题。     

在Armijo型线搜索下LS方法的全局收敛性

提出一种新的Armijo型线搜索，并证明了在此搜索下LS方法的全局收敛性。新Armijo型线搜索能够使LS方法找到合适的初始步长，从而使LS方法更好的运行。数值试验表明在新Armijo型线搜索下的LS方法是有效的。     

使用非单调技术的Gauss—Newton算法

提供了一种求解非光谱方程组的非单调技术结合Gauss-Newton算法,在合理的条件下,证明了算法不仅具有整体收敛性,而且获得局部超线性收敛速度。     

一种新的非单调线搜索方法

给出一种新的非单调线搜索方法,并用数值实验来验证其优越性.新方法能够确保WYL共轭梯度法的全局收敛性,实验效果比Armijo线搜索更好.     

基于非单调线搜索的无记忆拟牛顿法的全局收敛性

文章就Perry_Shanno无记忆拟牛顿法在无约束最优化问题上,对采用非单调线搜索的情况下是否具有全局收敛性进行了研究.在目标函数为凸的条件下,证明了该算法的全局收敛性.