次梯度外梯度方法求解随机变分不等式

随机变分不等式在供应链网络、交通运输和博弈论中具有广泛的应用。提出基于次梯度外梯度的随机逼近方法求解随机变分不等式,将矫正步的投影改投在半空间,以此来减少计算投影的代价。在适当的假设下,证明了所提出的算法具有全局收敛性。     

求解随机变分不等式问题的修正外梯度随机逼近算法

【目的】研究求解随机变分不等式问题的基于外梯度的随机逼近算法。【方法】依据求解经典变分不等式问题的外梯度算法,给出求解随机变分不等式问题的修正外梯度随机逼近算法。【结果】在适当的假设下,证明了修正外梯度随机逼近算法具有全局收敛性,初步的数值试验结果表明算法具有有效性。【结论】修正外梯度随机逼近算法是对已有的外梯度随机逼近算法的进一步推广,并且可在更弱的假设下获得它们的全局收敛性结果。     

单调变分不等式的改进次梯度外梯度算法

在Hilbert空间中提出一种求解Lipschitz连续单调变分不等式的改进次梯度外梯度算法,该算法的步长是自适应的.同时在算法的每一次迭代中,只需要计算向特殊结构半空间的投影.最后在Lipschitz系数大小未知的条件下,得到算法在Hilbert空间中的强收敛性.     

基于投影收缩的SA方法求解随机变分不等式问题

求解变分不等式的各种算法中,投影收缩算法易于执行、稳健、而且可以处理大规模问题,因此发展迅速.何炳生教授根据变分不等式及投影算子的性质确定的三个不等式,提出了求解变分不等式的投影收缩算法,此方法简单易行,且便于实现.用随机近似方法来求解随机变分不等式和随机优化问题已经被广泛的研究,其中函数值和一阶导数不可求,但可以用近似的方法得到.将投影收缩算法应用到求解随机变分不等式当中,在一些适当的条件下,可得到全局收敛的结果.     

求解带球约束的变分不等式问题的二次外梯度投影算法

二次外梯度投影算法是求解变分不等式问题的一种重要算法 .在这种算法中 ,每迭代一次需要计算两次投影 :第一次为到可行域上的投影 ,第二次为到可行域或可行域与一超平面的交上的投影 .本文对现有的变分不等式问题的二次外梯度投影算法进行分析 ,并对可行域为球的二次外梯度投影算法的计算过程进行简化 .最后 ,我们给出了数值分析 .     

变分不等式的惯性次梯度外梯度算法

在实Hilbert空间中提出求解单调变分不等式的惯性次梯度外梯度算法，其中变分不等式的可行集是一个光滑凸函数的水平集.新算法应用惯性加速技巧，迭代过程中对映射F赋值一次，并只需向两个半空间作投影两次.在适当的假设下，证明该算法的弱收敛性.新算法改进和推广相关文献中的相应结果.     

求解变分不等式问题和不动点问题公共点的惯性次梯度外梯度算法

在Hilbert空间中提出一种新的惯性次梯度外梯度算法,求解具有单调Lipschitz连续映射的变分不等式问题的解集与非扩张映射的不动点集的公共点.该算法结合一般的次梯度外梯度算法和惯性算法.在一定的条件下,建立算法的弱收敛定理.数值实验结果表明,提出的算法有一定的意义.     

求解双层伪单调变分不等式的惯性次梯度超梯度算法

提出一种惯性次梯度超梯度算法,用于求解Hilbert空间中双层伪单调变分不等式解集的一个元素.该算法只需在可行集上进行一次投影,在标准假定条件下证明强收敛性定理.最后,给出所提算法的一些数值实验比较结果.     

求解变分不等式问题的惯性次梯度外梯度算法

提出一种惯性次梯度外梯度方法来求解变分不等式问题,并且在映射是伪单调和Lipschitz连续但Lipschitz连续常数无需知道的假定下,给出算法的强收敛性结果.最后,给出主要的数值实验结果.     

广义混合变分不等式问题的投影算法

提出一种新的求解广义混合变分不等式的投影算法.在迭代的每一步,首先利用当前点xi,通过计算预解算子得到点z_i,其中的迭代步长满足某种Armijo线搜索.然后,利用zi构造出分离当前点xi及广义混合变分不等式解集的超平面,再将当前点向该超平面做投影得到下一步迭代点.在一定的条件下,给出该算法产生的无穷序列具有全局收敛性.同时,给出数值计算结果,表明这种算法的有效性.