一种改进的记忆梯度算法及其全局收敛性

记忆梯度算法能求解大规模无约束优化问题,还具有避免大量存储和进行大规模矩阵运算的特点.在利用传统的记忆梯度算法时,最根本的问题是要解决迭代过程中所遇到的二维搜索问题.为了避免进行二维搜索,加快迭代收敛速度,对记忆梯度算法进行了改进,给出了一种改进的记忆梯度算法.改进的记忆梯度算法能有效地求解二维搜索问题,且计算量小,存储量亦小,从而使记忆梯度算法在非精确线性搜索的Wolfe原则下,有更好的实际意义.同时也对其全局收敛性进行了证明.     

一类具有全局收敛性质的共轭梯度法

非线性共轭梯度法由于其迭代简单和储存量小,且搜索方向不需要满足正割条件,在求解大规模无约束优化问题时占据及其重要的地位.提出了一类新的共轭梯度法,其搜索方向是目标函数的下降方向.若假设目标函数连续可微且梯度满足Lipschitz条件,线性搜索满足Wolfe原则,讨论了所设计算法的全局收敛性.     

求解全局优化问题的两阶段模式搜索算法

将Matlab中全局优化工具箱中的模式搜索求解器与割峰函数结合,提出一个两阶段模式搜索算法。首先通过模式搜索求解器求解包含多个极小值的优化问题,返回结果后,在当前迭代点处定义割峰函数,继而采用模式搜索求解器进一步极小化辅助函数寻找比当前结果更好的下降点。该算法简单易行,数值结果表明新算法提高了模式搜索求解器获得全局解的效率。     

一类带有二阶线搜索的非单调信赖域算法

提出了求解无约束最优化问题的带有新的非单调线搜索的非单调信赖域算法.当试探步不成功时,算法沿着试探步的方向求得下一个迭代点,其中步长运用新的非单调二阶线搜索计算,这种方法没有重新求解子问题,减少了计算量.在适当的条件下,证明了算法的全局收敛性.     

求解无约束优化问题的一种新的谱共轭梯度法

在修正LS算法的基础上,对谱系数βk进行变形,并采用谱共轭梯度算法的迭代格式,提出了求解无约束优化问题minf(x),x∈Rn(f(x):Rn→R为连续可微函数)的一种新的谱共轭梯度法,对其充分下降性和全局收敛性进行了研究。结果表明,该算法在标准的Wolfe非精确线搜索下能满足充分下降性。在标准的Wolfe线搜索下具有全局收敛性。     

求解等式约束最优化问题的Broyden算法的全局收敛性

将单边既约Hesse矩阵SQP方法和无导数线性搜索技术相结合，提出了一种求解等式约束最优化问题的拟牛顿算法．在适当的假设条件下，证明了算法全局收敛于优化问题的KKT点，而且收敛速度是局部超线性的．当迭代次数k充分大时，这种算法可以实现单位步长，因此不会出现Marotos效应．     

EAOR投影迭代算法求解一类对称双正型线性互补问题

研究求解一类对称双正型的线性互补问题的EAOR迭代算法．证明了由此算法产生的迭代序列的聚点是线性互补问题的解．并且，当互补问题中的矩阵为对称双正加阵或严格对称双正阵时，算法产生的迭代序列存在子序列收敛到互补问题的解．而当矩阵为非退化对称双正加阵时，该序列收敛．     

求解线性约束凸规划的势下降内点算法

介绍了一种利用势函数下降内点算法来求解带线性约束的凸规划问题,每次迭代中搜索方向由一个线性方程组解出,再利用Armijo准则进行线搜索,同时使一个势函数的值减小,最后给出一组算例。     

迭代法求解实对称矩阵绝对值方程

给出了实对称矩阵绝对值方程的一个求解方法.当假设矩阵A的特征值的绝对值大于1时,绝对值方程存在唯一解,进而把绝对值方程问题转化为线性互补问题,利用不动点原理,给出了求解此类绝对值方程问题的迭代算法,并证明该算法经过有限次迭代之后收敛到原问题的一个最优解.数值实验表明此方法是有效的.     

一种新的混合共轭梯度算法

根据现有的共轭梯度算法,提出了一种新的求解无约束优化问题的混合共轭梯度法.在每一步迭代过程中,新算法总是能生成一个充分下降方向.在Wolfe线搜索下,提出的算法具有全局收敛性.数值实验表明该算法具有良好的计算性能.     

线性凸规划问题的一个势降不可行内点算法

基于 Tanabe-Todd-Ye 势函数提出了求解线性凸规划问题的一个势降不可行内点算法,分析了算法的复杂度,并证明了在每一次迭代之后算法使用的势函数至少有一个正常数的下降量,从而说明了算法的多项式复杂性。     

求解非凸优化问题的一类Broyden算法超线性收敛性分析

提出了一类求解无约束优化问题的修正Broyden算法。当目标函数非凸时,在一般情况下它的二阶导数矩阵可能不正定,为有效地利用Broyden算法求解非凸优化问题,通过建立新的正割方程,设计了一类修正的Broyden算法．当假设目标函数二阶连续可微,目标函数的梯度和Hesse矩阵满足Lipschitz条件,线性搜索满足wolfe原则时,讨论了所设计算法的超线性收敛性。     

一个等式约束下凸二次规划问题的拟牛顿算法

提出了一个等式约束下凸二次规划问题的拟牛顿算法.利用增广Lagrange函数将该约束问题化为无约束问题,当线性搜索采用Armijo原则时,利用拟牛顿算法进行求解,并给出了算法的数值检验结果.数值结果表明,算法是可行、有效的.     

近似求解子问题的乘性Schwarz算法

提出求解线性互补问题的一个乘性Ｓｃｈｗａｒｚ算法，算法中子问题非精确求解，得到了单调收敛性及误差估计式。     

非线性方程组拟牛顿法中线性搜索的一种改进

改进了Ｇｒｉｅｗａｎｋ（１９８６）提出了关于求解非线性方程组的一种线性搜索方式。在理论上保证了线性搜索的实现,使得算法是适定的,而且,在改进的线性搜索条件下,Ｂｒｏｙｄｅｎ算法仍具有全局收敛性和局部超线性收敛性。     

求解离散优化问题的改进人工蜂群算法的研究

目的解决人工蜂群算法在求解连续优化问题时易陷入局部最优,收敛速度慢,而且算法在最初设计时不适用于离散问题的求解等问题。方法而0-1问题属于典型的二进制离散约束优化的NP-Hard问题,故提出了基于离散优化问题的人工蜂群算法(DABC)。首先,采用二进制编码方法,改进解的编码形式;其次,使用多维邻域搜索策略改进ABC算法的搜索策略,并在雇佣蜂阶段引入高斯变异,保持种群的多样性,加快算法的收敛速度。在侦察蜂阶段引入柯西变异算子,以增强算法的全局搜索能力,避免算法在迭代时陷入局部最优,进一步提高算法的效率和精准度。结果通过实验仿真验证了算法的有效性和高效性,当种群规模增大时,算法的收敛速度加快,从而验证了不同的参数值对算法的影响。结论改进后的算法在求解离散优化问题时确保种群的多样性,提高了算法的收敛速度、整体寻优能力和开发能力。     

2真实齿面对应点的求解算法

针对真实齿面数学模型为自由型参数化隐式递推公式，不易于用一般方法进行迭代求解的问题，提出了将求2齿面对应点问题转换成求直线与齿面交点的王角形判断法，并进一步提出运用三角形减半法确定真实齿面精确对应点的迭代初值，得到了一种稳定、可靠、精度高且运算速度较快的求解算法。     

基于改进群搜索优化算法的车辆路径问题研究

针对标准群搜索优化(GSO)算法存在的早熟、后期迭代效率低和容易陷入局部极优点等问题,提出了一种改进的群搜索优化算法用于车辆路径问题的研究。该算法先是通过交叉因子的引入来曾加粒子的多样性并增强群成员的优良性,从而减小后期搜索中算法易陷入局部极优点的概率;然后借助于模拟退火算法的优势来有效的提高算法收敛性能。实验表明,基于交叉因子和模拟退火的群搜索优化(CMGSO)算法相比于标准群搜索优化(GSO)和粒子群优化(PSO)算法来说,具有较快的收敛性能和较好的全局寻优能力,因此该算法适用于物流车辆路径寻优问题的研究和解决。     

求解无约束极大极小问题的光滑化不精确牛顿算法

提出了求解无约束极大极小问题的光滑化不精确牛顿算法.该算法利用光滑凝聚函数近似不可微的极大值函数,从而得到目标函数的光滑近似,进而再利用不精确牛顿法求解光滑化后的可微的无约束优化问题.在一定的假设条件下,算法具有全局收敛性,初步的数值实验表明,算法是有效的.     

一种单调线性互补问题的full-Newton步不可行内点算法

对单调线性互补问题设计了一种新的full-Newton步不可行内点算法.该算法是对Liu Z和Sun W提出的线性规划的full-Newton步不可行内点算法的改进和推广.通过应用新的技术引理,证明了算法的多项式复杂性阶为O(nL),这与当前单调线性互补问题的不可行内点算法最好的迭代复杂性阶一致.