广义Cury线搜索下一种新共轭梯度法及其全局收敛性

本文对无约束最优化问题：ｍｉｎｆ（ｘ），ｘ∈Ｒｎ，提出一种新的共轭梯度法．该算法中参数βｋ采用一种新取法，并结合广义Ｃｕｒｙ线搜索及ｎ步重新开始策略．在关于目标函数较弱条件假设下，证明了所给算法的全局收敛性．     

伪Newton-B族算法对一般目标函数的收敛性

针对无约束优化问题,将Goldstein非精确线搜索技术引入伪Newton-B族算法.在假设目标函数f(x)二阶连续可微有下界,水平集L={x|f(x)≤f(x(1))}有界的条件下,证明该算法对一般目标函数的全局收敛性,得到一个条件更弱的结论.     

带非精确线搜索的改进Dixon方法的下降性质及其全局收敛性

在推广Ｄｉｘｏｎ公式的基础上,对于无约束最优化问题,提出了一类改进的Ｄｉｘｏｎ共轭下降算法,其中搜索方向迭代公式ｄｋ＋１＝－ｇｋ＋１βｋｄｋ中的参数βｋ可以取负值并结合一类非精确线搜索,证明了新算法的全局收敛性。最后给出了改进的Ｄｉｘｏｎ公式的一个重要应用－自校正近似重新开始共轭下降算法。     

一类非精确线搜索下的混合共轭梯度算法

给出了一类在非精确线搜索下的混合共轭梯度算法,对李荣生提出的NCG算法进行了改进,在算法的迭代过程中,保持了迭代方向的下降性,在较弱的条件下证明了全局收敛性,数值试验表明该算法是相当有效的.     

一类超线性收敛的投影非拟牛顿算法

本文将梯度投影与非拟牛顿法相结合，给出了一类求解线性约束非线性规划问题的新算法。在一定的条件下，证明了该算法的全局收敛性和超线性收敛性。     

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.     

一类混合共轭梯度算法

改进了戴志锋,陈兰平提出的HS-DY混合共轭梯度法,扩大了参数凤的取值范围,基于同样的考虑,给出了DY与PRP算法相结合的混合共轭梯度法,在Wolfe线搜索下不需给定下降条件即证明了它们的全局收敛性,数值实验表明这类的算法十分有效。     

一种新的非线性共轭梯度法的全局收敛性

给出了一种新的求解非线性无约束优化问题的共轭梯度法,我们证明了该方法对相应的算法具有全局收敛性,同时我们还证明了该方法在强Wolfe线搜索下具有充分下降性.并且本算法给出了比较好的数值结果.