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.     

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.     

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．     

预处理混合折线路径非单调自适应信赖域算法

文中提出了一种新的预处理混合折线路径非单调自适应信赖域方法.首先利用预处理混合折线路径算法求解信赖域子问题,而信赖域子问题的半径选取也是借助于形成混合折线路径时构造的正定矩阵.该方法同时结合了非单调技术,在适当的条件下,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.     

两种非单调信赖域算法的数值比较研究

目前求解无约束最优化问题的非单调信赖域算法根据其采用的参考函数值的不同主要有两种：一种是传统的基于最大函数值型,一种是基于函数值加权平均型．理论上该两种算法均具有较好的收敛性质,但关于这两种非单调信赖域算法在实际数值计算效率方面的比较还不充分．为此作者利用国际上广泛采用的无约束优化测试函数包（J．J．More et al．ACM Transactions on Mathematical Software,1981,7（1）：17—41）对这两种方法进行大量的数值试验,并采用剖面分析方法对试验数据进行较全面的分析比较,结果表明基于函数值平均权重的非单调信赖域算法其数值效率在一定程度上优于传统的非单调信赖域算法．     

一类非单调信赖域算法

给出了一类新的非单调信赖域算法，且证明了算法的全局收敛性和在适当条件下的超线性收敛性．     

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.     

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.     

一个基于锥模型的线搜索非单调信赖域算法

针对无约束优化问题提出了一类基于锥模型的新的非单调信赖域算法,将非单调线搜索应用到锥模型信赖域方法上,使得新算法无需重解子问题.在适当的条件下,证明了此算法的全局收敛性.     

一种新BFGS非单调锥模型信赖域算法

将新的BFGS校正公式应用到新锥模型信赖域算法中,提出了一种基于新锥模型的BFGS校正信赖域算法。在较少的条件下,证明了该算法的全局收敛性和二次收敛性。     

一类带线搜索的非单调信赖域新算法

在本文中,我们结合非单调信赖域方法和非单调线搜索技术提出了一类新的无约束优化算法.与传统的非单调信赖域算法相比,这样得到的新算法不仅不需重解子问题,而且在每步迭代保证目标函数的近似海赛矩阵的正定性.在一定条件下证明了算法具有全局收敛性.     

一类新的带非单调线搜索的信赖域算法

通过将传统的信赖域算法和非单调Wolfe线搜索结合,提出了一类新的求解无约束优化问题的信赖域算法.新算法给出了新的Wolfe步长准则,通过新的Wolfe步长准则可选择一个较大的步长,这样就减少了算法迭代的次数,提高了算法的有效性;并在一定的条件下,证明了算法的全局收敛性.     

求解无约束优化问题的SR1——信赖域法

本文将对称秩1公式和信赖域方法相结合,给出了一类求解无约束优化问题的新算法.并在一定条件下,给出了算法的超线性收敛性。     

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．     

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.     

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。     

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.     

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．     

无约束优化的一类非单调算法

本文研究了无约束优化问题的一类非单调算法.在较弱的条件下,证明了算法的全局收敛性.