解决一类优化问题的变分迭代法

考虑利用变分迭代方法求解最优化问题,分别给出了求解一般的有约束和无约束最优化问题的基本步骤,并通过实例说明了所给方法的有效性.     

约束Chebyshev逼近及在FIR滤波器设计中的应用

考虑了一类约束Chebyshev逼近问题 ,应用序列无约束优化技术证明了最佳逼近三角多项式具有的特征性质 ,并提出求解最佳逼近多项式的一种具有良好数字特性的实用算法 .作为约束Chebyshev逼近的应用 ,考虑了一类约束FIR滤波器的设计问题 ,设计例子表明了最佳逼近三角多项式求解算法的有效性 .     

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．     

非线性l1 问题的光滑近似算法

利用“ ”函数的光滑近似函数和无约束优化方法给出非线性l1的一种算法．在适当的假设下，算法是全局收敛的．初步的数值试验结果表明算法的有效性．     

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.     

求解广义Nash均衡问题的一种新算法

最近,Heusinger和Kanzow将广义Nash均衡问题（GNEP）转化成了带约束和无约束的优化问题．本文在此基础上,设计了一种求解GNEP的算法,在保证解存在的情况下,仅要求共享策略集是闭集而非紧致集,我们证明了算法的收敛性．最后,通过数值实验验证了这种算法具有良好的数值效果．     

非拟Newton族的导出及其收敛性

对无约束最优化问题提出了一类非拟Ｎｅｗｔｏｎ族算法,它不再是Ｈｕａｎｇ族中的成员．与拟Ｎｅｗｔｏｎ法相比,新给出的校正公式,在不增加计算量的前提下,能吸纳更多的信息,且仍保持正定对称传递性．对一致凸的目标函数,证明了算法的整体收敛性．且结论对众多类型的精确与非精确线搜索均能成立,而这些线搜索在最优化算法中是比较有效且常用的．     

无约束优化问题的一种新的共轭梯度法

为了求解无约束优化问题,提出了一种新的共轭梯度法,并证明了其在适当的条件下满足全局收敛性.初步的数值结果表明新的共轭梯度法是有效的.     

基于锥模型的非单调自适应信赖域算法

基于锥模型,结合提出的新的自适应技术,建立了一个求解无约束最优化问题的非单调自适应信赖域算法.当试探步不被接受时,采用非单调线搜索,减少了计算量.充分利用包含当前迭代点信息的新的自适应策略调节信赖域半径.在适当的条件下,证明了算法的全局收敛性和Q-二阶收敛性.数值试验表明该算法是有效的.     

一种线搜索下DY共轭梯度法的全局收敛性

利用王长钰等人提出的一种新型线搜索条件对Dai-Yuan非线性共轭梯度法进行了研究。根据这一新型的线搜索条件,结合DY共轭梯度法的方向计算公式,我们在文中提出了一个求解非线性无约束优化问题的算法。当搜索方向为下降方向时,给出了算法的全局收敛性结果及证明过程。