关于广义逆矩阵通式的研究

本文讨论广义逆矩阵的通式,分为两部分:(一)广义逆矩阵类A{1,3}、A{1,4}的较弱条件的通式,由此同样证明G=A~ (?)=x=Gy是Ax=y的极小范数最小二乘解。(二)矩阵方程AXB=D的有效表征通式,由此得到若干广义逆矩阵类的有效表征通式和线性方程组的有效表征通解。     

解大稀疏最优化的Lanczos方法

解大稀疏最优化问题是最优化领域的一个重要课题。本文提出了解这类问题的一个Lanczos方法。这个方法从广义逆角度推导稀疏拟牛顿校正,并利用广义逆技术详细探讨了应用Lanczos方法解由稀疏拟牛顿法产生的线性系统的理由,从而得到了一种截断拟牛顿法。作者通过对Lanczos方法的分析,指出它实质上是某种经典Gram-Schmidt直交化方法,存在着严重的数值不稳定性,从而给出有别于选择直交化的简单再直交化。文章还给出了Lanczos方法和Moore-Penrose广义逆之间的关系。为了保证截断拟牛顿法的寻查方向是一个下降方向,作者对由Lanczos方法产生的三对角矩阵应用Bunch-Parlett分解,从而得到通常的拟牛顿方向,或者正曲率子空间下降方向,或者负曲率下降方向。最后,我们给出利用该方法得到的数值结果。     

齐次函数模型极小化的Greville方法

本文提出了根据齐次函数模型的无约束极小化方法——Greville方法,它是Jacobson-Oksman方法的推广。由于它利用了广义逆技术,故方法的适应性较强,作者证明了对于齐次函数,Greville方法在n 2步得到广义极小点,文章还给出了算法和数值结果。     

针对非线性半定规划的一类非光滑牛顿型方法

通过4-阶张量分析讨论了一类针对非线性半定规划的非光滑牛顿法.并给出了这种非光滑牛顿法的局部二次收敛性.     

解大稀疏最优化问题的一个新方法

从广义角度提出了解大稀疏最优化问题的Lanczos方法，应用广义逆技术推导了稀疏拟牛顿校正，探讨了应用Lanczos方法的理由，给出了用Lanczos方法近似求解拟牛顿方程组的截断拟牛顿法，并给出了数值试验的结果。     

关于一类非光滑极大极小问题的非单调线性搜索算法

考虑一类非光滑的离散的极大极小问题：minmax{fi(x)|i=1…m}，其中fi是凸的，但不一定可微．在这里我们给出了非单调线性搜索算法，并证明了在一定条件下算法具有全局收敛性．     

三项预处理共轭梯度法与信赖域子问题

信赖域方法是解无约束优化问题的有效的和可靠的方法,共轭梯度法由于不需要矩阵计算和存贮,成了解问题的首选方法,在本文中,我们提出了信赖域子问题的三项预处理共轭梯度法,并将这个方法嵌入解大型最优化问题的信赖域算法中,文章讨论了方法的特性,证明了方法的总体收敛性质,并给出了有限的数值试验。     

求解非线性最小二乘问题的自适应锥模型信赖域算法

针对非线性最小二乘问题,利用锥模型算法思想,给出了海赛矩阵中二阶信息项的割线近似的不同校正公式,并利用自适应信赖域技术给出了求解非线性最小二乘问题的自适应锥模型信赖域算法.算法中我们允许使用非精确方法近似求解信赖域子问题.文中给出了新算法的全局收敛性和超线性收敛性分析以及数值试验结果.     

最小化损失概率的再保险和投资问题

本文考虑保险公司的再保险和投资策略问题.为了在降低风险的同时增加收益,保险公司会考虑在再保险的基础上将剩余财富投资到m种风险资产中.资产中风险资产的价格波动服从几何布朗运动.本文给出了考虑再保险和投资之后的财富模型,基于最小化损失概率的基础上求解其相应的HJB方程,从而给出保险公司的再保险和投资的最优策略.