压缩感知中l1问题的自适应罚参数交替方向法

为解决交替方向法中的罚参数选取问题,以压缩感知中l₁问题为研究对象,提出了一种自适应罚参数调整准则.该准则基于交替方向法迭代过程中目标函数和约束条件的变化关系,通过详细研究调整罚参数的条件、频率和大小,给出了基于对偶问题交替方向法的罚参数动态调整方案.数值实验表明所提出的自适应罚参数调整准则使得初始罚参数的选取范围更大,提高了可适用性;并且在迭代过程中动态调整罚参数可以加快运行速度,大大提高了交替方向法效率.     

一种求解双障碍问题的迭代解法

基于有限差分法,给出了一种求解双障碍问题的迭代方法,通过交替求解上障碍和下障碍两个子问题得到双障碍问题的近似解.迭代过程中,与上、下障碍的接触面积连续扩大并渐逼近问题的解.各子问题产生的迭代序列分别单调收敛.所构造的迭代方法全局收敛并有限步终止,数值实验显示该算法有较好的性能.     

半正定单调变分不等式CPC算法的O(1/t)收敛率

半正定单调变分不等式CPC算法只需要计算迭代点的函数值,可以解决一类没有显式表达式的半正定单调变分不等式问题.最近A.Nemirovski(SIAM J Optimiz,2005,15:229-251.)给出的prox-类算法的计算复杂性分析表明了外梯度算法在满足单调Lipschitz-连续时具有O(1/t)的收敛率;随后相关文献在一定的条件下给出了投影收缩算法、交替方向法和Douglas-Rachford法的计算复杂性分析.受到上述计算复杂性工作的启发,利用半正定单调变分不等式的基本性质和柯西施瓦兹不等式,在一定的假设条件下,给出了半正定单调变分不等式CPC算法O(1/t)收敛率的证明.     

一类非单调修正βWYLk算法的全局收敛性

结合文[1]给出的新公式βWYLk,提出了一种非单调线搜索下的修正βWYLk算法,该方法保证每次迭代中的搜索方向是充分下降的.在较弱的条件下,我们证明了此类非单调修正βWYLk算法具有全局收敛性,数值试验表明该方法具有良好的数值结果.     

一类非单调修正βk^WYL算法的全局收敛性

结合文[1]给出的新公式βkWYL,提出了一种非单调线搜索下的修正βkWYL算法,该方法保证每次迭代中的搜索方向是充分下降的.在较弱的条件下,我们证明了此类非单调修正βkWYL算法具有全局收敛性,数值试验表明该方法具有良好的数值结果.     

极大熵原理与互补问题的一种迭代算法

把基于信息理论的极大熵原理应用到互补问题的一种等价的不动点格式中,构造了一种光滑的迭代算法,给出了迭代算法收敛的充要条件.对于对称单调的互补问题,给出了收敛的充分条件.扩充了原来的梯度投影法要求严格单调的限制,得出了与外梯度投影法类似的收敛性条件.最后,给出了数值算例,包括标准互补问题考题和随机生成的考题,并给出了该光滑迭代算法与外梯度投影法的数值比较.     

基于投影交替方向法求解结构型单调变分不等式

通过构造新的下降方向对孙敏等人给出的投影型交替方向法进行改进和推广,提出了改进投影型交替方向法。与前者相比较,该方法具有收敛速度快,迭代次数少的特点。在相同的假设条件下,证明了新方法的全局收敛性,并通过数值试验初步验证了该方法的有效性。     

基于锥模型的非单调自适应信赖域算法

针对无约束优化问题提出了一个基于锥模型的非单调信赖域算法.首先提出一种求解子问题的新方法,在此基础上给出该文算法.算法结合自适应技术,避免信赖域半径更新的盲目性;并引入滤子技术和新的非单调技术,利用非单调Armijo线搜索得到步长,进而产生新的迭代点.在一定的假设条件下,证明了该算法的全局收敛性,数值实验表明了算法的有效性.     

二阶离散方程边值问题的加速单调迭代方法

对一类二阶离散方程边值问题提出了一种加速单调迭代方法,这种方法给出了解的存在比较定理及计算算法,解的单词性改进了解的上解与下解,根据非线性函数的性质迭代具有二阶或几乎二阶的收敛率,数值结果显示了迭代序列的单调收敛性及迭代的收敛率.     

全变分模型的修正交替方向算法

基于传统交替方向算法的框架,提出了一种求解全变分问题的修正交替方向算法(modified alternating direction method,MADM).该算法利用当前点的信息和前两个迭代点的信息得到修正的初始BB步长,再结合非单调线搜索技术得到子问题的近似解,在理论上验证了该算法的全局收敛性.最后,将该算法分别在小规模、无噪声和大规模、有噪声的情况下应用于全变分图像重构问题.对重构后的结果,从运行时间、迭代次数、相对误差以及图像的重构效果四个角度进行评价,并与求解全变分问题的交替方向算法(TV minimization by alternating direction algorithms,TVAL3)进行对比,其数值结果表明了该算法具有更好的收敛速度和重构效果.     

基于近似投影的水平分层调度译码算法

基于交替方向乘子法（ADMM）的线性规划（LP）译码模型因其不会出现错误平台和具有最大似然认证的优点,广受译码研究者的关注。目前大多数ADMM算法采用的是泛洪调度策略（FL）,该算法存在译码收敛速度过慢的问题。基于水平分层调度的交替方向乘子法的低密度奇偶校验（LDPC）码译码算法能够加速译码收敛速度,然而目前水平分层调度算法中的投影算法采用的为精确投影算法,复杂度较高。针对该问题,文中将近似投影算法和水平分层调度算法结合,提出基于近似投影的ADMM水平分层调度译码算法以提高译码的性能。仿真实验表明,相比其他算法,本文提出的算法的译码性能可提升0.1~0.3dB,迭代次数可降低约19%~40%,平均译码时间可减少大约21%~65%。     

一种修正三项Hestenes-Stiefel共轭梯度投影算法及其应用

提出一种新的修正三项Hestenes-Stiefel共轭梯度投影算法, 用于求解大规模非线性方程组问题和信号恢复问题. 该算法通过构造一个新的修正Hestenes-Stiefel搜索方向, 结合经典线搜索方法和超平面投影技术而得, 新搜索方向在不需要任何线搜索条件下自动满足充分下降性, 在常规假设条件下, 新算法具有全局收敛性质. 数值实验结果表明,  新算法高效且稳定.     

不等式约束极大极小问题一个新的（ε,δ）-广义投影可行方向法

结合Armjio线搜索和（ε,δ）-广义投影技术,本文提出了求解不等式约束极大极小问题一个新的广义投影可行方向法.在算法的每一步迭代中,其搜索方向由一个新的（ε,δ）-广义投影显式给出.在较温和的假设下,新算法具有全局收敛性和强收敛性。     

解线性变分不等式问题的一个简单交替方向法

解变分不等式的交替方向法每一步需要解一个(几个)变分不等式子问题,算法的有效性受这些子问题的影响很大.本文提出了一个解线性变分不等式的简单的交替方向法. 在每一步迭代中,只需要做矩阵-向量乘法和到简单集合的投影,使得算法的效率得到保证.在适当的条件下证明了算法的全局收敛性.初步的数值结果表明,我们的新算法较原有同类算法有所改进.     

基于冗余表达的CT图像中金属伪影校正

针对CT图像中存在的金属伪影,提出了一种新的基于冗余表达的校正方法.首先分割出CT图像中的金属区域,将其投影得到金属投影区域;然后从原始投影数据中去除金属投影区域部分的投影数据;最后利用冗余表达的算法恢复金属部分的投影数据,经过滤波反投影后,重建出校正后的图像.校正结果显示,本方法对含有多块金属模体的重建图像的金属伪影有较好的校正效果.     

一种新的求解单调变分不等式的非精确并行分裂法

本文提出了求解可分离结构单调变分不等式的一种新的非精确并行分裂算法。对于求解变分不等式式问题现已存在一些经典的算法如增广Lagrange法和交替方向法,但是它们均需要精确求解子变分不等式。然而实际中这些子变分不等式很难或者根本就无法得到精确解。因此最近一种非精确交替方向法被提了出来。但是当数据的维数很大的时候,并行分裂法比交替方向法更有效。基于这种非精确交替方向法,本文提出了一种新的并行分裂。在适当的条件下,本文给出了算法的收敛性证明,并且通过数值实验证明了算法的有效性。     

化学驱模型中压力方程的交替方向解法改进

以国内外化学驱数值模拟的主要数学模型为基础,提出了相压力方程的改进的交替方向迭代算法。构造了三维抛物方程的交替方向迭代格式,并对于油藏数值模拟模型中常见的第二类边界条件以及实际地质模型中强非均质的情况,提出了新的迭代参数计算方法。基于胜利油田自主知识产权化学驱数值模拟软件SLCHEM进行了算法的代码实现,通过实际矿场模型的算例测试表明,新构造的交替方向迭代算法相比原来的预处理共轭梯度类算法提高计算速度16%以上,计算精度满足矿场应用要求。     

求解伪单调变分不等式的新的自适应投影算法

考虑求解一类变分不等式问题的新的自适应投影算法,该算法改进了搜索的方向和步长,改进的方向、步长在解点附近均不趋于0,保证算法的快速收敛性。并在伪单调的条件下证明了算法是全局收敛的,使得该算法的适用性更广。数值实验表明算法是有效的。     

解凸优化问题的一类修正线性近似交替方向法

在解凸优化问题过程中,对已有文献的线性约束条件推广到非线性约束条件,运用了近似交替分解算法;新提出一类修正线性近似交替方向法,并进行了理论分析和和算例比较.     

求解可分离凸优化问题的惯性近似松弛交替方向乘子法

基于交替方向乘子法(ADMM)提出了一种求解可分离凸优化可行问题的惯性近似松弛交替方向乘子法(IPR-ADMM).新构造的算法不仅具有提高算法收敛性的优势的惯性外推项,而且引入随机变量以随机加速新步长,从而提高算法的灵活性.并在适当的假设下,证明了算法的全局迭代收敛性.数值实验结果表明,数据维数取值越大,算法收敛越快,...