无约束优化问题的一类信赖域算法

本文讨论了无约束优化问题的一类信赖域算法,在二次模型Hesse矩阵一致有界的条件下,证明了算法具有强收敛性.对著名的Rosenbrock函数进行了数值实验,并与Matlab软件中其他方法作了比较,结果表明该方法十分有效.     

等式约束优化问题的带记忆模型信赖域算法

针对等式约束优化问题提出了一个带记忆的等式约束信赖域算法。该算法不同于传统的信赖域方法,此信赖域模型是记忆模型,从全局考虑目标函数的下降性而不完全依赖于当前点信息,采用非单调技术得到了算法的全局收敛性和超线性收敛性。     

求解非线性无约束优化问题的一种非单调信赖域方法

文章将Ulbrich[1]等提出的非单调技术应用到求解无约束最优化问题中,提出了新的算法,并证明了该算法的全局收敛性。     

线性不等式约束优化问题的强信赖域算法

对一类带有非负边界约束的线性不等式约束优化问题进行了研究，提出了一种新的信赖域算法．该算法在内点法的基础上，把非负边界约束从一般的不等式约束中分离出来，化为信赖域约束的一部分，得到一个简单易解的子问题．在一定的条件下证明了该算法具有强收敛性，并给出了数值结果．     

无约束多目标规划的非单调信赖域算法

本文提出了无约束多目标规划的一类非单调信赖域算法．并证明了算法的全局收敛性．     

求解大规模非线性互补问题的自适应信赖域方法

利用自适应技术和矩阵对角稀疏化技术,提出了一种求解大规模非线性互补问题的自适应信赖域方法.该方法基于简单的子问题模型,只需要较少的内存容量和计算复杂性.在适当假设下,算法具有全局收敛性.     

一类线性不等式约束优化问题的信赖域算法

对一类带有非负边界约束的线性不等式约束优化问题提出了一种新的信赖域算法。此算法以内点法为基础,把非负边界约束从一般的不等式约束中分离出来,化为信赖域约束的一部分,从而得到一个简单易解的子问题。在一定的条件下证明了算法的收敛性,并给出了数值结果。     

关于信赖域的总结

对求解非线性优化问题的一类重要方法——信赖域方法进行了归纳和总结。论述了信赖域方法的起源、发展和应用。     

NCP(F)的两种光滑信赖域解法的超线性收敛性

自适应光滑信赖域算法和非单调自适应光滑信赖域算法是求解非线性互补问题的两种解法,证明了F是P0函数时,两种算法都具有超线性收敛性,并且通过数值实验证明了两种算法的有效性。     

无约束优化问题的一类带线搜索的非单调信赖域算法

本文对无约束优化问题提出了一类新的非单调信赖域算法,该算法以变化的速率来调整信赖域半径的大小.与通常的非单调信赖域方法不同,当试验步失败时,并不重解信赖域子问题,而采用线搜索方法得到下一个迭代点,同时算法采用非单调技术来加速算法的收敛效果.在通常的假设条件下,本文证明了算法的全局收敛性.     

锥模型信赖域子问题算法的收敛性

新锥模型信赖域子问题的第三种情形较为复杂,2008年这一非凸问题被化约为凸规划问题,从而有了详细的求解算法．但对该算法的收敛性结果至今仍无详细的讨论及证明．本文给出了该算法收敛性的两个结果,对其中局部收敛性的结果进行了详细的论证．     

一个新的BFGS信赖域方法

提出求解无约束优化问题的一个修正拟牛顿信赖域方法.本算法可以保持信赖域子问题海森矩阵的正定性.在适当条件下,证明了本算法的全局收敛性,并通过数值实验说明了算法的可行性.     

极大极小问题的信赖域法

对信赖域法作了进一步的研究,借助Min max问题的伪方向导数,构造出其信赖域二次模型,并结合非单调策略,给出求解Min max问题的简单易行的信赖域算法。     

一个新的非单调的信赖域算法

讨论了求解无约束最优化问题的信赖域算法,给出了一种改进的非单调信赖域算法,该算法通过改变预计下降量,使其与实际下降量对应起来,且这种改变保持算法的收敛性.     

求解大规模优化问题的有限内存SR-1方法

给出了求解大规模优化问题的有限内存SR-1方法,与传统的有限内存BFGS方法相比较,该方法能进一步的节省计算机的内存,更适合用于大规模的优化问题。     

非单调自适应信赖域算法

将非单调线搜索技术与自适应信赖域算法相结合,提出了求解无约束优化问题的一个非单调自适应信赖域算法.在适当条件下,证明了本算法的全局收敛性.数值实验说明了本算法的可行性.     

一种求解 NCP 问题的信赖域-SQP -filter 算法

先将非线性互补问题（NCP ）转化为与其等价且有可行解的辅助问题,再将引入了信赖域方法思想的SQP方法与Filter技术相结合,提出一种求解NCP问题的信赖域-SQP-filter算法,并讨论了解的存在性和算法的全局收敛性。数值结果表明我们的算法是有效并收敛的。     

求解一般非线性约束优化问题的多维滤子信赖域方法

由于滤子方法具有良好的数值结果,所以近年来该方法已应用于各种优化问题的求解中．基于滤子方法的有效性和信赖域技巧的强适性,本文提出了1个多维的滤子信赖域方法,该方法在一定程度上避免了Marotos效应．     

基于MATLAB的无约束优化问题对称秩-1法与BFGS法之探讨

对称秩-1法和BFGS法是用拟牛顿法求解无约束优化问题时最常见的两种方法,它们都具有计算简单、收敛速度快等优点.探讨两种方法的算法格式、收敛速度和计算精度问题,同时利用MATLAB软件编程进行实例求解.结果表明:在解的迭代次数和精确度方面,BFGS算法均明显优于对称秩-1法.     

一种求解信赖域子问题的精确解法

在Hessian矩阵正定的前提下,首先利用线性插值构造了一条折线,并利用该折线提出了一种求解信赖域子问题的精确求解方法,称为分段折线法.并且证明了分段折线路径的合理性,最后分别通过与牛顿法、单折线法、双折线法和切线单折线法的数值实验作比较,数值结果表明新算法是有效且可行的.