修改的PRP共轭梯度法在ATLS线搜索下的全局收敛性

提出*ATLS线搜索,并进一步提出修改的PRP共轭梯度法在*ATLS线搜索下的算法,在适当条件下,证明算法全局收敛.     

一种修改的PRP共轭梯度法

用新的PRP参数公式修改一种已知的线搜索,建立此线搜索下的共轭梯度算法,并证明算法能满足充分下降条件,而且在适当条件下全局收敛.     

一种非线性共轭梯度算法的全局收敛性

文章提出WYL参数公式在MSWP线搜索下的算法,并证明算法在适当条件下全局收敛。     

修正LS共轭梯度法及其全局收敛性

提出一类求解无约束优化问题的修正LS共轭梯度法,算法采用一个新的参数公式．在适当条件下,证明算法满足充分下降条件,进而证明在采用广义Wolfe-Powell线搜索和强Wolfe-Powell线搜索时,算法全局收敛．初步的数值试验结果显示方法是有效的．     

求解变分不等式问题新的自适应投影算法

目的提出求解变分不等式问题的新的自适应投影算法,并在适当条件下证明其全局收敛。方法改进已有投影算法的搜索方向并建立新的步长。结果提出了新的自适应投影算法。该算法的搜索方向和步长在解附近均不趋于零,并在映射伪单调的条件下证明了其全局收敛性。结论与已有算法相比,新算法收敛快且收敛条件弱。因此新算法的适用范围更广。     

一类求解无约束问题的混合参数共轭梯度法及全局收敛性

提出一类混合参数共轭梯度法,在步长满足Wolfe线搜索的条件下,算法产生的搜索方向是下降方向.在适当的条件下,算法是全局收敛的.     

无约束优化中的一种修正的PRP共轭梯度法的全局收敛性分析

文章提出修改的PRP共轭梯度法在MSWP线搜索下的算法,在适当条件下,证明算法全局收敛。     

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.     

一类修正Hager-Zhang共轭梯度法的收敛性及其数值实验

为有效提高求解无约束优化问题的计算效率, 提出一类新的修正Hager-Zhang共轭梯度法, 该算法不依赖线搜索, 具有充分下降性和信赖域性质. 理论研究结果表明, 在常规假设条件下, 新算法不仅在弱Wolfe-Powell线搜索下对一般函数全局收敛, 且对一致凸函数具有R-线性收敛速度. 数值实验结果表明, 新算法比经典Hager-Zhang算法及其两个修正算法性能更优.     

一种新的非线性共轭梯度法的全局收敛性

Dai Yu hong在文献[1]中提出了一种新的βk计算公式，并在标准wolfe线搜索条件下得到算法的全局收敛结果。本文对该算法中的线搜索进行了推广，提出了一种新的非线性共轭梯度算法并证明了其全局收敛性。     

一种修正的三项PRP共轭梯度法

为了更有效求解一类大规模无约束优化问题,克服其他算法普遍存在的算法较为复杂,存储量大和计算机编程难等不足,在传统三项PRP共轭梯度法的基础上,结合近年来关于三项共轭梯度法和新型线搜索的研究成果,定义了一种新的搜索方向,并采用一种新型的线搜索构建了算法,证明了其具有自动充分下降和信赖域的性质,并在适当的条件下证明了其全局收敛性。数值试验结果表明,在求解一类大规模无约束优化问题上新算法比传统三项PRP共轭梯度法更具有竞争性。具有良好收敛性质的新算法为解决一类求解大规模无约束优化问题提供了更高效的算法依据。     

一种非线性扩展混合共轭梯度算法的全局收敛性

描述了非线性FR共轭梯度法、非线性PRP共轭梯度法、非线性DY共轭梯度法等求解大规模无约束优化问题的有效算法.研究了计算更为有效的适合求解无约束优化问题的一种非线性扩展混合共轭梯度算法;给出了在Wolfe型线搜索下的非线性扩展混合共轭梯度法,算法产生的方向为下降方向.在一般的条件下,给出了算法的全局收敛结果,且数值实验表明算法十分有效.     

无约束多目标优化的一种新的拟牛顿法

基于在新拟牛顿方程形式下无约束单目标优化问题改进的拟牛顿法,提出了无约束多目标优化问题的一种新的拟牛顿法,同时在一定的假设条件下,结合Wolfe线性搜索准则,证明了算法具有全局收敛性和超线性收敛性,并进行了数值试验,结果表明,所提的新算法是正确和有效的,并能够迭代得到可使多个目标更优的临界点.     

在一种新型线搜索下DFP算法的全局收敛性

给出了一种较Goldstein-Armijor线搜索更广泛的新型非精确线搜索准则，并证明了在满足一定条件下，这种新型线搜索准则下DFP算法的全局收敛性。     

一类新的非单调线性搜索BFGS算法

研究了一类非单调线搜索在解无约束优化问题BFGS算法中的应用.该类非单调线搜索属于Armijo型线搜索,并且在每次迭代计算步长时,初始测试步长可根据目标函数的特征进行调整.证明了本算法全局收敛性,通过对公共优化测试函数的实验,表明了算法的稳健性和有效性.     

一类充分下降共轭梯度法的全局收敛性

给出一类搜索方向采用保守策略的新型共轭梯度法,在常规假设条件下得到了算法的全局收敛性结果,并给出算法的数值实验结果.结果表明:相应的算法分别在强Wolfe非精确线搜索参数σ1/4,1/3,1/2的情形下充分下降;新算法适合于求解大型无约束优化问题.     

一类修正的共轭梯度法及数值试验

本文提出了一类求解无约束优化问题的修正的HS共轭梯度法.该算法每步都可产生一个充分下降方向,并且在适当条件下,证明该算法在非精确搜索下全局收敛.最后通过数值试验结果表明该算法的有效性.     

一种新线搜索下DY共轭梯度法的全局收敛性

给出一种求解无约束优化问题的新线搜索,证明由新线搜索和DY公式产生的算法具有全局收敛性,再对此算法进行数值试验,并将其数值结果与Wolfe线搜索下PRP方法、DY方法以及另外几种线搜索下DY共轭梯度法的数值结果进行比较来验证新算法是有效的.     

等式约束下的共轭梯度算法

为了寻找求解大规模无约束非线性优化问题的一种有效方法,提出了一种等式约束下新的共轭梯度算法,该算法利用广义消去法将约束优化问题转化为无约束优化问题.并证明了该算法具有全局收敛性,同时还证明了该算法在强wolfe线搜索下具有充分下降性.     

一类拟牛顿算法的收敛性

根据一类基于新拟牛顿方程Bk 1sk=yk*的修改BFGS类算法,采用广义W olfe线搜索模型(GW搜索模型):f(xk 1)≤f(xk) δkαgTkdk和g(xk 1)Tdk≥m ax{,σ1-(kα‖dk‖)p}gTkdk,其中0<δ≤σ<1,p∈(-∞,1),得到一类修正的BFGS算法(M BFGS),证明了M BFGS算法的全局收敛性和超线性收敛性.数值试验结果表明M BFGS算法是有效的.