牛顿下降法收敛性的一种新证明

牛顿下降法xn＋1=xn-ωnf′^-1（xn）f（xn）是求解非线性方程f（x）=0的一种经典的迭代法,有必要研究其收敛条件,使其保持大范围收敛等优点．为了使其能够适应更多环境的需要,利用优序列方法,在一个更一般的条件下,选取了一个较为一般的下降因子序列{ωn},证明牛顿下降法的收敛性．该条件可表示为‖f′^-1（x0）f（x0）‖≤β,‖f′^-1（x0）f″（x0）‖≤γ,‖f′^-1（x0）（f″（x）-f″（y）‖≤∫^‖x-y‖ 0 L（u＋‖x-x0‖）du.而此条件比传统的Kantorouich型条件更具有一般的代表性,主要表现为不减的正的有界函数L（u）取值的灵活性,能够适应更多的环境．     

求解在弱条件下带不可微项的Broyden方法的收敛性

用Broyden法来求解带不可微项的非线性方程,在弱条件下,通过构造优序列,给出了解的存在性与收敛性定理以及相应的证明.     

不可微非线性方程的修正牛顿迭代法的收敛性分析

在求解非线性算子方程F（x）=0时,若导数不存在,则可用修正牛顿法代替牛顿法进行迭代,并用优函数的方法证明了它的收敛性,从而给出了收敛性判断的条件、收敛性证明及迭代法收敛球半径和方程具有唯一解的球的半径估计,并由此得到了几个推论.主要定理推广了相关文献的结果.     

充分下降的共轭梯度法簇及其全局收敛性

在双参数共轭梯度法的基础上,给出一类具有充分下降性的共轭梯度法簇,证明了相应的方法在非单调线搜索及弱Wolfe线搜索下对非凸目标函数全局收敛,并用数值实验表明该方法具有良好的数值结果.     

一定条件下PA序列部分和的完全收敛性

根据PA序列的一些基本性质和定理,比照独立随机变量下的结论,对PA序列的完全收敛性作了初步的推导和论证,从而完善了相关结果.     

差商最速下降法及其收敛性

证明了精确线搜索下的差商最速下降法的整体收敛性,提出了非精确线搜索下的有关算法并证明了收敛性。     

弱L-平均条件下非精确牛顿型迭代法的半局部收敛性

主要研究了在弱L-平均条件下非精确牛顿型迭代法在求解非线性算子方程时的半局部收敛性．这种弱L-平均条件包含了常用的Lipschitz条件作为特殊情形,故所得收敛结果具有一般性．     

子序列法应用条件的改进

子序列法是在大数定理及其相关的收敛性证明中常使用的一种重要方法, 主要应用在随机序列和的强收敛性定理证明中. 本文将子序列法的应用条件从原有的独立序列扩展到某种意义上的正交序列, 并给出了对一般随机变量序列所构成的级数的几乎处处收敛方法.     

应用随机选取法推出守恒双曲型方程某些差分格式的收敛性条件

把在节点取值的一般差分方法视为随机选取法的一种,应用由Ｈａｒｔｅｎ及Ｐ．Ｄ．Ｌａｘ所提出的守恒双曲型方程式差分逼近的随机选取判定收敛性方法,讨论了一些差分格式的黎曼问题的收敛条件。并希望由此引出更一般问题的讨论。     

变尺度法的收敛性

给出了一阶Ｌｉｐｓｃｈｉｔｚ函数的概念；讨论了一阶Ｌｉｐｓｃｈｉｔｚ凸函数的某些二阶性质。以ＤＦＰ变尺度法为背景，讨论了一类变尺度法的收敛性；证明了与精确线性搜索相结合的Ｂｒｏｙｄｅｎ，Ｈｕａｎｇ及吴－桂类变尺度法，在使用于一阶Ｌｉｐｓｃｈｉｔｚ凸函数时，所得点列的任何极限点都是函数的极小值点，从而改进了变尺度法的收敛性条件。     

Gauss－Seidel迭代法收敛的新准则

给出了当一般迭代矩阵Ａ的Ｆｒｏｂｅｎｉｕｓ范数‖Ａ‖Ｆ＝　＜１时，Ｇａｕｓｓ—Ｓｅｉｄｅｌ迭代法收敛的充分条件。该条件易于检验，适用范围广，证明方法独特。     

修改的LS共轭梯度法在强Wolfe条件下的全局收敛性(英文)

提出一种修改的LS共轭梯度法.在精确线搜索下,该方法可归结为LS共轭梯度法.在非精确线搜索下,它满足充分下降条件gkTdk≤-3/4∥gk∥2.本文还证明了其在强Wolfe条件下的全局收敛性.初步的数值结果表明该方法是有效的.     

二维位势边界条件反识别TSVD正则化法

二维各向同性材料Cauchy位势边界条件反识别问题是不适定的,通过边界元方法得到线性方程组的系数矩阵呈现病态,测量数据的随机偏差会影响分析结果的稳定性和精确性。文章运用截断奇异值分解正则化方法来处理该反问题,借助L曲线法选择奇异值截断位置,进一步可求解得到未知边界条件。圆环和方形板区域热传导2个算例结果分析表明:获取数据的偏差越小,边界划分单元越细密,数值解越接近解析值,正则误差也越小。     

二维弹性力学边界条件反识别TSVD正则化法

针对二维各向同性弹性力学Cauchy问题,文章采用线性单元对边界积分方程进行离散,再引入已知的边界条件,得到包含所有待求边界条件信息的线性病态方程组。采用截断奇异值分解正则化技术求解该病态方程组,并使用L曲线法选择最优正则化参数,即奇异值截断位置,从而得到方程组的解。通过数值算例对求得的边界条件数值解与解析解进行比较,并进行误差分析,以表明截断奇异值分解算法的有效性和稳定性。通过减少已知数据中的随机偏差和增加边界单元密度可提高求解的精确度。     

次线性期望空间下END序列加权和的完全收敛性

以次线性期望空间下的指数不等式为研究工具,在1/α+1/β=1/p, C_(-overV)(|X|^rp)<∞的条件下,根据此指数不等式,将传统概率空间中随机变量序列加权和的完全收敛性,推至次线性期望空间。     

带边界条件的非扩张映射的Mann迭代列的构造及收敛性

在一致凸Ｂａｎａｃｈ空间中,研究了带边界条件的非扩张映射的Ｍａｎｎ迭代列的构造和收敛问题,推广和改进了已有的相应结果。     

一个部分和收敛定理的应用

利用部分和收敛定理非常简洁地证明了随机正交序列的部分和几乎必然收敛定理,并将其结果推广到相依随机序列上去,获得比较理想的结果.     

非精确牛顿法的一个Kantorovich型半局部收敛定理

研究了非精确牛顿法在求解算子方程F（x）=0时的收敛性,给出了新的优序列,证明了Kantorovich型半局部收敛性.