线性互补问题的一种混合整数线性规划解法

经典算法一般采用迭代过程求解线性互补问题,研究了线性互补问题的直接求解方法。把线性互补问题转化为一个混合整数线性规划,然后采用数学软件进行求解;数值实验结果表明,所给出的方法能够准确快速地求得原问题的最优解。     

求解混合互补问题的LG算法

基于混合互补问题等价的非光滑方程组,提出了求解混合互补问题的一个LG算法,并在不需要严格互补条件成立的条件下证明了算法的全局收敛性。     

P混合线性互补问题的同伦方法

对P混合线性互补问题建立一个同伦方程,证明了同伦路径的存在性、有界性和收敛性,得到了P混合线性互补问题的可解性,从而建立了P混合线性互补问题的内点算法.     

求解一类随机线性互补问题的L-M算法

提出求解一类随机线性互补问题的一个L-M算法,利用NCP函数将随机线性互补问题转化为无约束最小化问题,通过非单调L-M算法来求解无约束最小化问题.在适当的假设下,证明了该算法的全局收敛性.     

单调加权互补问题的路径跟踪算法

加权互补问题是线性互补问题的推广模型,具有重要的应用背景.分析了加权互补问题的中心路径及其邻域,基于新定义的邻域,提出了求解单调加权互补问题的一个路径跟踪算法.取邻域中一点为初始点,证明了算法的O(nL)迭代复杂性.当加权互补问题中的权向量w为零向量时,该中心路径及其邻域和线性互补问题中的定义相同,该算法即为求解线性互补问题的宽邻域路径跟踪算法.     

求解一类随机线性互补问题的L-M算法

提出求解一类随机线性互补问题的一个L-M算法,利用NCP函数将随机线性互补问题转化为无约束最小化问题,通过非单调L-M算法来求解无约束最小化问题.在适当的假设下,证明了该算法的全局收敛性.     

线性圆锥互补问题的光滑化牛顿法

给出求解线性圆锥互补问题一种新的光滑化牛顿法. 首先, 基于一个圆锥互补函数的光滑化函数, 将线性圆锥互补问题转化成一个方程组,  然后用光滑化牛顿法求解该方程组; 其次, 在适当假设下, 证明该算法具有全局收敛性和局部二阶收敛性. 数值结果表明, 该算法求解线性圆锥互补问题所需的CPU时间和迭代次数均较少, 且相对稳定, 从而证明了算法的有效性.     

一个求解H-矩阵绝对值线性互补问题的罚方法

考虑一类新的线性互补问题,即绝对值线性互补问题.通过构造与绝对值线性互补问题相等价的罚方程给出了一个求解此类绝对值线性互补问题的罚方法.并证明了当绝对值线性互补问题的矩阵为H-矩阵时算法的全局收敛性.最后,通过数值试验表明了该算法的有效性.     

利用光滑型算法求解线性规划问题

针对线性规划问题,给出了其原问题和对偶问题的最优性条件,并通过引入一个正则化的对称扰动的光滑函数,将其扩展成一个混合线性互补问题,并利用光滑型算法求解．该算法具有全局收敛的特性．对于有最优解的问题,算法能求得问题的一个严格互补解;对于不可行的问题,算法也能表明问题的不可行性．     

自由边界问题的线性互补投影迭代算法

对一类自由边界问题,提出了基于线性互补问题的投影迭代算法.用有限差分对微分模型离散化后得到一个正定线性互补问题,然后导出与之等价的不动点问题,从而提出求解线性互补问题的投影迭代算法.利用投影原理,证明了该算法的收敛性.数值结果表明了算法的可行性和有效性.     

EAOR投影迭代算法求解一类对称双正型线性互补问题

研究求解一类对称双正型的线性互补问题的EAOR迭代算法．证明了由此算法产生的迭代序列的聚点是线性互补问题的解．并且，当互补问题中的矩阵为对称双正加阵或严格对称双正阵时，算法产生的迭代序列存在子序列收敛到互补问题的解．而当矩阵为非退化对称双正加阵时，该序列收敛．     

二次凸规划的迭代解

线性互补问题的投影Jacobi松弛算法应用于求解不等式约束的二次规划问题,对称半正定的二次规划问题由K-T条件可以转化为P_0-矩阵的非对称线性互补问题(LCP),通过求解带扰动项的P-矩阵的非对称线性互补问题得到二次规划的最优解。最后给出一些数值结果。     

自由边界问题的自适应预测-校正算法

对一类自由边界问题,提出了基于线性互补问题的自适应预测-校正算法.用有限差分对微分模型离散化后得到一个正定线性互补问题,该问题等价于一个不动点问题,从而得到求解线性互补问题的自适应预测-校正算法.用正定性及投影基本性质可证明算法收敛性.给出了具体的算法过程,数值结果表明了算法的可行性和有效性.     

求解水平线性互补问题的一渐近牛顿法

借助Fischer-Burmeister NCP函数将水平线性互补问题转化为带简单界约束的最优化问题,而后将一个修正渐近牛顿算法用来求解水平线性互补问题的,并给出数值实验,以说明算法是有效的。     

基于代数变换求解P0阵线性互补问题的不可行内点算法

基于代数变换和KMM算法的框架,通过在牛顿方程中嵌入一种自调节功能,提出了一种新的求解P0阵线性互补问题的不可行内点算法,并证明了该算法的全局收敛性.     

解廣義線性互補問題的一個序列線性規劃算法

在適當條件下,給出了廣義線性互補問題的絕對誤差界估計,基于這個誤差界,建立了求解此問題的一個序列線性規劃(SLP)算法,并在不要求存在非退化解的情況下,證明了算法的全局收斂性.     

解垂直线性互补问题的一个序列线性规划算法

建立了求解垂直线性互补问题的一个序列线性规划（SLP）算法,并证明了算法的全局收敛性。     

解线性互补问题的多分裂多松弛因子迭代算法

考虑矩阵的多重分裂与处理器的并行计算,提出了求解线性互补问题的多分裂多松弛参数迭代算法,利用M-矩阵和H-矩阵的性质及松弛迭代的收敛性,证明了算法产生的迭代点列的聚点为原互补问题的解。最后,为提高算法的收敛速度,分析了ILU分解预处理技术的收敛特性。     

求解自由边界问题的自适应投影方法

对一类自由边界问题,提出了基于线性互补问题的自适应投影算法.采用有限差分格式将自由边界问题离散为一个线性互补问题,然后用自适应投影迭代算法求其数值解,该方法在迭代过程中自动调整参数,达到加快收敛速度的目的,每一步迭代只需要求解一个线性方程组.给出了具体算法过程,并利用投影性质得到了它们的收敛性分析.最后用数值算例对算法验证,与已有的算法比较,结果表明:参数对自适应投影算法影响较小,该方法收敛速度更快.