具有O((√)nL)复杂性的Mehrotra型预估-矫正算法

针对内点方法在理论和实践之间存在着计算效果好的算法在理论上具有较差复杂性的矛盾,提出一种求解线性规划问题的Mehrotra型预估-矫正内点算法,并证明了该算法的迭代复杂性是O((√)nL).数值实验结果验证了算法的有效性.     

具有O((√)nL)复杂性的Mehrotra型预估-矫正算法

针对内点方法在理论和实践之间存在着计算效果好的算法在理论上具有较差复杂性的矛盾,提出一种求解线性规划问题的Mehrotra型预估-矫正内点算法,并证明了该算法的迭代复杂性是O((√)nL).数值实验结果验证了算法的有效性.     

求解线性规划的一种Mehrotra型预估-矫正内点算法

提出了一种求解线性规划问题的Mehrotra型预估．矫正内点算法，并证明了算法的代数复杂度。     

非单调线性互补问题的宽邻域预估校正算法

对P*(κ)阵线性互补问题提出了一种新的宽邻域预估校正内点算法.该算法是基于Mehrotra型预估校正算法思想,把线性规划问题拓展到非单调线性互补问题中(P*(κ)-LCP),并讨论了其计算复杂性.分析结果表明,所给算法是多项式时间算法.最后通过数值实验验证了算法的有效性.     

线性规划的一个宽邻域预估-矫正内点算法

在线性规划的内点算法中,宽邻域算法比窄邻域算法的数值效果好,但宽邻域算法的复杂性比窄邻域差.提出了求解线性规划问题的一个宽邻域预估-矫正内点算法,证明了该算法的迭代复杂性是O(n L),这是线性规划的内点算法中最好的复杂性结果.     

凸二次规划的一种基于削减策略的Mehrotra型预估-校正算法

2008年,Salahi等对线性规划提出一种新的Mehrotra型预估-校正算法.基于削减(cut)策略,该算法保证校正步长有下界,从而具有多项式复杂性.基于这种思路,将此方法推广到凸二次规划.由于新算法的迭代方向不再正交,因此算法的复杂性分析与线性规划时不同.通过一些新的技术引理,证明了算法在最坏情况下,至多经过O(n5/2logεn)次迭代终止.最后,利用数值实验验证了算法的可行性与有效性.     

求解凸二次规划的一种二阶Mehrotra型预估-校正算法

给出了求解凸二次规划的一种二阶Mehrotra型预估-校正算法。该算法受Salahi等人对线性规划提出的相应算法启发,引入了安全步策略,保证了校正步步长有适当下界,从而具有多项式复杂性。由于算法迭代方向不正交,算法在罚参数的校正和复杂性的分析上有别于线性规划的情形。最后,通过一些新的技术性引理,证明了算法在最坏情况下的迭代复杂性为O{n3/2log((x0)Ts0)/ε}。     

求解凸二次规划的一种二阶Mehrotra型预估一校正算法

给出了求解凸二次规划的一种二阶Mehrotra型预估一校正算法。该算法受Salahi等人对线性规划提出的相应算法启发,引入了安全步策略,保证了校正步步长有适当下界,从而具有多项式复杂性。由于算法迭代方向不正交,算法在罚参数的校正和复杂性的分析上有别于线性规划的情形。最后,通过一些新的技术性引理,证明了算法在最坏情况下的迭代复杂性为O（n^3/2log（x^0）^TS^0/ε）.     

基于自适应参数校正策略求解SDP的二阶Mehrotra型内点算法

最近,Salahi提出了一种求解线性规划的基于自适应参数校正策略的二阶Mehrotra型预估-校正算法,并在不使用安全策略的情况下证明了其迭代的多项式复杂性。本文将这一算法推广到半定规划。通过利用Zhang的对称化技术,同样在不使用安全策略的情况下,证明了算法的多项式迭代复杂界。     

一种基于用户特征的 LTE 下行频率选择性调度算法

将一种 Mehrotra 型预估-校正算法推广到半定规划。首先给出了半定规划基于 Mehrotra 型预估-校正算法的一些基本理论,尤其是对称化技术;随后通过分析这种算法的迭代复杂性,给出算法的重要思想：在校长步中采用安全策略,给出新算法的最大预估步长的上界,算法过程中对最大预估步长进行削减策略：当最大预估步长大于某个阈值时,对此步长进行削减（可重复）,从而得到合适的校正步长下界;最终通过采用以上策略及 NT 搜索方向,得到了该算法的多项式复杂界。
     

半定规划的一种Mehrotra型预估-校正算法

将一种Mehrotra型预估-校正算法推广到半定规划。首先给出了半定规划基于Mehrotra型预估-校正算法的一些基本理论,尤其是对称化技术;随后通过分析这种算法的迭代复杂性,给出算法的重要思想:在校长步中采用安全策略,给出新算法的最大预估步长的上界,算法过程中对最大预估步长进行削减策略:当最大预估步长大于某个阈值时,对此步长进行削减(可重复),从而得到合适的校正步长下界;最终通过采用以上策略及NT搜索方向,得到了该算法的多项式复杂界。     

凸二次规划宽邻域原始-对偶势下降内点算法

基于线性规划原始-对偶内点算法的思想,对凸二次规划提出了一种新的内点算法-宽邻域原始-对偶势下降内点算法.算法取牛顿方向作为迭代方向,利用势函数选择迭代步长.由于迭代方向不再正交,因此,算法的复杂性分析不同于线性规划的相应算法的分析.证明了新算法具有O(nL)的迭代复杂性.此外,初步的数值试验表明了算法的可行性以及有效性.     

框式凸二次规划原始-对偶势下降内点算法

基于线性规划原始-对偶内点算法的思想,对框式凸二次规划提出了一种新的内点算法-原始-对偶势下降内点算法.算法取牛顿方向作为迭代方向,利用势函数选择迭代步长,并证明了新算法具有O(nL)的迭代复杂性.     

框式凸二次规划宽邻域原始-对偶势下降内点算法

基于线性规划原始-对偶势下降内点算法的思想,对框式凸二次规划提出一种新的内点算法宽邻域原始-对偶势下降内点算法.算法选取牛顿方向作为迭代方向,利用势函数选择迭代步长,分析算法的多项式迭代复杂性,并证明新算法具有较好的迭代复杂性O(nL).     

凸二次规划的一种宽邻域预估-校正算法

Zhao对线性规划提出了一种基于邻近度量函数最小值的宽邻域预估-校正算法, 并证明了算法的多项式复杂性。基于他的思路,将此方法拓展到凸二次规划,设计了一种新的基于邻近度量函数最小值的宽邻域预估-校正算法。由于新算法的迭代方向向量Δx,Δs不再满足正交性,因此算法的收敛性分析不同于线性规划的情形,同时也证明了新算法具有 已知的最好迭代复杂性Onln(x0)Ts0ε,初步数值实验验证了算法的有效性。     

框式线性规划的不可行内点算法

对框式线性规划提出了一个原始-对偶不可行内点算法,并证明了该算法的迭代复杂性为多项式时间性.     

单调线性互补问题的宽邻域预估-校正内点算法

基于邻近度量函数的最小值,对单调线性互补问题提出了一种新的宽邻域预估-校正算法,在较一般的条件下,证明了算法的迭代复杂性为O√nlog(x0)Ts0/ε).该算法可视为最近zhao提出的线性规划基于邻近度量函数最小值的宽邻域内点算法的推广.     

一类非单调线性互补问题宽邻域预估校正算法

对于一类非单调线性互补问题给出了一种新的内点算法-宽邻域预估校正算法,算法基于精典预估校正思想,把窄邻域拓展到一个宽邻域里使得算法更快地迭代,讨论了其算法的计算复杂性,并给出了数值实验.     

一个修正的长步长投影尺度算法

对ｋａｒｍａｒｋａｒ形式的线性规划给出了一个带修正方向的投影内点算法，该内点算法具有下列性质：长步长迭代性、多项式时间复杂性和单调性．     

枢式线性规划的不可行内点算法

对框式线性规划提出了一个原始-对偶不可行内点算法，并证明了该算法的迭代复杂性为多项式时间性。