大规模无约束优化的非单调有限内存BFGS算法

结合有限内存及非单调搜索技术提出了求解大规模无约束优化的非单调有限内存BFGS(NLBFGS)算法,在一定的条件下给出了算法收敛性结论.从标准试验函数库CUTE中选择标准函数,与线搜索满足强Wolfe条件的L-BFGS算法相对比进行了数值试验,结果表明算法是较为满意的.     

有限内存BFGS算法的收敛性

研究有限内存ＢＦＧＳ算法的收敛性质， 在搜索步长一致有下界的条件下对一般凸函数证明了算法的整体收敛性．     

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.     

解无约束优化问题的非单调修改的BFGS算法

考虑求解一般的无约束优化问题,从有效节省计算量和提高解的精度的角度考虑,将传统的BFGS算法加以改进,并与当前流行的非单调技术相结合,给出了求解无约束问题的带线搜索的非单调BFGS算法,文中给出了新算法的全局收敛性的证明,并进行了数值实验,数值实验结果表明新算法是有效的。     

大规模有界约束优化中带非单调线搜索的子空间有限记忆BFGS方法

本文提出了一个大规模有界约束优化的积极集算法。积极集利用ε-近似技术识别。搜索方向有两部分构成：非积极变量所在空间的搜索方向采用有限记忆BFGS方法计算;另一部分通过一个显式计算。最后,在较弱条件下,证明了算法具有全局收敛性。     

一个新的BFGS信赖域算法

给出能够保持校正矩阵是正定的新的BFGS信赖域算法,以及该算法的全局收敛性和其二次收敛速度．     

一个非单调BFGS信赖域算法

将新的BFGS校正公式Bk 1=Bk yk*y*k TsTkyk*-BksksTkBkskTBksk,与文献[16]中的算法相结合给出一个非单调BFGS校正的信赖域算法.该算法在假设条件:(i)存在常数c1,c2,c3,使得对所有的Δk>0,gk∈Rn,对称正定阵Bk∈Rn×n,有p redk≥c1 gk m in{Δk,c2 gk,c3 gk/Bk};(ii)若B-k 1≤Δk,则dk=-B-k 1gk;(iii)f(x)是二次连续可微函数,2f(xk)是L ip sch itz连续,水平集(x0)有界下,具有全局收敛性和Q-二次收敛性.     

求解SEB问题的有限记忆BFGS方法

目的求解n维空间中m个球的最小闭包问题。方法利用光滑函数将该问题转化为无约束非光滑凸优化问题。结果给出了解该优化问题的有限记忆BFGS算法。结论数值结果表明该算法求解高维空间中球的最小闭包问题的可行性及有效性。     

一种非单调L－BFGS方法及其全局收敛性

本文提出了一种新的解大型无约束优化问题的非单调L－BFGS法,不要求目标函数值单调下降,对算法的全局收敛性进行了分析。     

保守修正BFGS算法及全局收敛性

基于新拟牛顿方程,提出一类保守修正BFGS算法.该算法的特点是:即使当目标函数是非凸函数时,该算法仍然是全局收敛的.在适当的条件下,该算法具有局部超线性收敛性.初步的数值实验表明,该算法是有效的.     

改进的有限内存BFGS算法的二次终止性质

二次终止性质是一般拟牛顿法的一个重要性质,但为求解大规模优化问题而设计的有限内存拟牛顿法却不能都保持这种良好性质．为此,针对满足修正拟牛顿方程的有限内存BFGS方法加以研究,证明所提出的方法满足二次终止性质．这对于完善有限内存拟牛顿法的理论体系具有重要作用．     

非线性一般约束优化问题的修正BFGS信赖域算法

先通过罚函数法将一般约束优化问题在一定条件下转化为无约束优化问题,再利用无约束优化问题的修正BFGS信赖域算法,进而得到一般约束优化问题的修正BFGS信赖域算法,并通过数值试验表明该算法是有效的.     

约束问题修正BFGS方法的局部超线性收敛性

将Li—Fukushima提出的求解无约束最优化问题的修正BFGS法加以改进，应用于求解等式约束最优化问题。该方法的主要优点在于其迭代矩阵总保持对称正定。在一定的条件下，证明该方法具有局部超线性收敛性。     

一个修改的BFGS方法

给出一类新的BFGS校正公式，讨论其矩阵的正定性、二次终止性和方向共轭性，并在适当条件下建立该方法的全局收敛性．     

非线性不等式约束优化问题的一个修正BFGS信赖域算法

将一个无约束优化问题的修正BFGS信赖域算法成功地应用于不等式约束优化问题。通过修正BFGS公式构造了新的信赖域子问题,从而得到不等式约束优化问题的修正BFGS信赖域算法,并在一定条件下证明了其可行性。     

无约束最优化问题中修改的BFGS方法

本文对BFGS公式进行修正,形成了MBFGS公式,并结合Wolfe-Powell型非精确线性搜索准则设计出了MBFGS算法,通过对目标函数合理的假设证明了该算法具有全局收敛性,又运用Matlab编写程序实现了该算法,初步的数值例子表明了该算法是有效的,并且有收敛速度快的特点.     

一类修正的BFGS算法及其全局收敛性

基于Hiroshi Yahe等提出的新拟牛顿方程,给出了一类修正的BFGS算法,并在一定的假设条件下,结合Wolfe搜索准则证明了该算法具有全局收敛性.     

一个修改的求解非线性对称方程组的高斯-牛顿BFGS方法

在文献[10]的基础上,给出一个修改的求解非线性对称方程组问题的高斯-牛顿BFGS方法,并建立该方法的全局和超线性收敛性.该方法比原方法的效果要好.