投影Hessian的内点回代算法解线性约束优化问题

提供非单调内点回代技术的信赖域投影Hessian算法解线性约束优化问题.基于矩阵QR分解的技巧,将仿射零空间的信赖域子问题变换成通常的信赖域子问题,然后结合线搜索技术,在每次迭代信赖域子问题都将产生新的回代内点.在合理的条件下,证明了算法不仅具有整体收敛性而且保持局部超线性收敛速率,引入非单调技术将克服病态问题,加速收敛性进程.     

求解一类变分不等式问题的内点信赖域方法

针对变分不等式的带非负约束的转化形式给出了一类信赖域迭代算法．该方法的特点是通过利用内点技术，将带非负约束的信赖子问题转化成约束形式的信赖域子问题，从而可以利用截断共轭梯度法来近似求解．     

线性不等式约束优化问题的仿射内点不定dogleg算法

使用仿射变换内点回代技术的不定dogleg算法解线性不等式约束的非线性优化问题．通过对构造的仿射不定dogleg路径进行搜索得到迭代方向，结合线搜索内点回代技术获得可接受的步长因子，产生保证目标函数值单调下降的严格内点可行迭代序列．在合理的假设条件下。给出了不定dogleg路径的良好性质，从而证明了算法不仅具有整体收敛性，而且保持超线性收敛速率．数值计算结果表明了算法的有效性．     

变分不等式问题带非负约束转化的一类信赖域法

针对变分不等式的带非负约束的转化形式给出了一类信赖域迭代算法。该方法的特点是通过利用内点技术。将带非负约束的信赖域子问题转化为无约束形式的信赖域子问题。从而可以利用截断共轭梯度法来近似求解。     

非线性方程的一个信赖域迭代算法

对于信赖域子问题产生的搜索方向 ,利用一个给定的步长到达下一迭代点 ,证明了算法的全局收敛性 ,从而既避免了信赖域方法中在一次迭代多次求解信赖域子问题的困难 ,又避免了线搜索方法中为达到下一迭代点而多次调用函数值的计算 .     

一类新的求解约束优化问题的锥模型信赖域算法

本文提出了一类新的求解线性等式约束优化问题的锥模型信赖域算法.不同于以往的求解约束问题的锥模型信赖域算法,无论试探步是否被接受,我们在每步都采用Wolfe线搜索得到下一个迭代点,避免了重解子问题,并且保证了序列{Bk}满足拟牛顿方程及其正定性.在适当条件下,证明了算法的全局收敛性,数值试验表明该算法是有效的.     

解无约束优化问题的一个新的非单调信赖域算法

在传统信赖域方法的基础上,提出了求解无约束最优化问题的一个新的带非单调线搜索的信赖域算法.该算法采用非单调Wolfe线搜索技术获得迭代步长,新算法在每一迭代步只需求解一次信赖域子问题,克服了每次迭代求解信赖域子问题时计算量较大的缺点.在一定条件下,证明了算法的全局收敛性.数值实验结果表明该算法是有效的.     

极大极小优化问题信赖域算法的收敛性

对在最优控制、金融工程、经济管理等领域中具有广泛应用价值的一类非线性极大极小优化问题给出一种新的信赖域算法.在每次迭代中,算法只需求解标准的QP子问题,获取新的迭代点.另外,算法具有易于推广到线性约束的极大极小优化问题的特点.在较弱的假设下,分析了算法的收敛性.     

基于简单锥模型的带线搜索的新信赖域算法

对于无约束优化问题,提出了一类基于简单锥模型的带线搜索的新信赖域算法。该算法采用大步长Armijo线搜索技术获得迭代步长,克服了每次迭代求解信赖域子问题时计算量较大的缺点,适用于求解大型优化问题。在适当的条件下,证明了该算法的全局收敛性。     

带有固定步长的非单调信赖域方法

该文提出一种新的非单调信赖域方法．当试探步不能被接受时，算法沿着试探步的方向求得下一个迭代点，其中步长利用固定公式计算．这种方法既避免了重复求解信赖域子问题，又减少了线搜索方法计算函数值的次数．该文采用的非单调策略是基于张洪超和Hanger（2004）出的非单调线搜索技术．在适当的条件下，证明了算法的全局收敛性及超线性收敛性．最后给出了初步的数值实验结果．     

信赖域内点算法使用非单调回代技术解有界变量约束的优化问题

改进了Coleman和Li提出信赖域内点算法解有界变量约束的优化问题。由信赖域子问题产生的迭代步运用于信赖域和非单调回代技术的混合策略。在定理的条件下，证明修正后算法的整体收敛性和快速的局部收敛速率。非单调准则能使问题在病态情况下加快收敛进程。     

仿射内点最优路径法解线性不等式约束的优化问题

提供了仿射内点回代技术的最优路径法解线性不等式约束的非线性优化问题，通过构造的最优路径得到搜索迭代方向，结合非单调内点回代线搜索技术获得可接受的步长因子，从而产生保证目标函数值非单调下降的严格内点可行迭代序列．基于最优路径的良好性质，证明了在合理的假设条件下，算法不仅具有整体收敛性而且保持超线性收敛速率．引入非单调技术能克服高度非线性的病态问题，加速收敛性进程，数值计算结果表明了算法的有效性．     

基于信号子空间的盲自适应多用户检测

多用户检测技术是DS—CDMA中解决多址干扰问题的一种重要技术。针对基于PASTd多用户检测方法在子空间追踪收敛速度慢和收敛的不稳定问题，提出一种快速子空间追踪的盲自适应多用户检测改进算法。该算法通过空间分解得到信号子空间，并利用信号子空间的特征值和特征向量得到解相关多用户检测器；最后，应用归一化正交Oja快速自适应地追踪信号子空间。仿真结果表明，相对PASTd多用户检测方法，降低计算复杂度，加快算法的收敛速度，系统稳定性好，拟制多址干扰具有良好的性能，达到很好的多用户检测效果。     

修正梯度路径与仿射变换内点法解线性不等式约束的变分不等式问题

基于Peng给出的变分不等式的势函数,提出修正梯度路径与仿射变换内点法解线性不等式约束的变分不等式问题．借助于对称矩阵的特征分解与仿射变换映射,可以构建修正梯度路径．进一步使用路径搜索并结合内点回代线搜索技巧,近似地求解信赖域子问题;最后在合理的假设条件下,证明了算法具有整体收敛性．     

凸非线性规划的一个预估-校正跟踪路径算法

提出一个预估-校正跟踪组合内点同伦路径算法,证明其全局收敛性,并用实数值算例验证其有效性.该算法由任意给定的一个内点,通过跟踪组合同伦路径得到凸非线性规划问题的解,并由β-锥邻域在可行域的内部确保迭代点是内点.该算法全局收敛,是一种求解凸非线性规划问题的有效算法.     

有界变量约束优化的仿射投影共轭梯度路径内点方法

采用共轭梯度路径结合仿射内点投影回代技术解有界变量约束的非线性优化问题．通过构造共轭梯度路径解二次模型获得搜索方向,引入线搜索技术获得的迭代步既落在严格可行域内,叉能使目标函数下降．基于共轭梯度路径的性质,在合理的假设条件下,证明了所提供的算法不仅具有整体收敛性,而且保持快速的超线性收敛速率．进一步,数值计算说明了算法的可行性和有效性．     

主成分计算的改进自然幂迭代方法

提供快速估计与跟踪一个向量序列的主特征向量的改进自然幂迭代方法．它是自然幂迭代方法的一个延伸,不仅跟踪主子空间,而且得到了主特征向量．与一些基于幂迭代的方法(例如Oja,PAST与NIC)相比,改进自然幂迭代方法具有最快的收敛速度,且能容易地以每步迭代O(np)的计算量加以实现,这里n为所考虑向量序列的维数,p为所要跟踪的主子空间的维数(或主特征向量的个数)．与某些非幂迭代的方法(例如MALASE与OPERA)相比,改进自然幂迭代方法保证了全局指数收敛．     

有界约束非线性方程组的仿射尺度内点信赖域方法

提供了仿射信赖域策略结合非单调线搜索算法解有界约束非线性方程组．基于简单有界约束的非线性优化问题构建信赖域子问题,但所用的最小仿射尺度比Coleman和Li所用的仿射尺度更为一般．在合理的条件下,文中提供的最小仿射尺度,在没有严格互补假设条件下,可给出更强的全局收敛性结果．引入非单调技术能克服高度非线性的病态问题．