精确搜索下具有充分下降性的混合共轭梯度法

共轭梯度方法是求解大规模无约束非线性优化问题的一种重要方法.对参数βk不同的构造方法,形成了各种各样的共轭梯度算法.基于现有的研究结果启发,给出了参数βk的一种新的构造方法,进而提出了一种新的共轭梯度算法.该算法能够保证目标函数序列的充分下降性,并在目标函数可微的条件下,证明了算法的全局收敛性.     

几何规划的一种有效算法

在对偶理论作用下约束正定式几何规划转变为线性等式约束下的非线性规划。利用了近年来即约梯度法的最新研究成果以及几何规划目标和约束函数的特点，为几何规划构造了一种有效的间接算法。     

一类基于Armijo线搜索的新的谱共轭梯度法

为了构造具有更好收敛性的谱共轭梯度法,根据已有的共轭系数β~*_k和β■,构造了一个新的共轭系数β■,从而给出了一个新的谱共轭梯度法。经过选取适当的谱系数,保证新方法在每次迭代时总能产生充分下降的搜索方向。该性质具有既不依赖所使用的线搜索,又不依赖目标函数凸性的优点。利用Armijo线搜索,在一般假设条件下,给出了该方法全局收敛性的证明。     

一类非单调信赖域算法

给出无约束最优化的一类非单调信赖域算法.该算法是对赵英良提出的算法的改进和推广.为了提高这类算法的迭代速度,本文中在rk<0时放大了fl(k)的取值范围.这样可以更快的迭代到rk>0.从而放宽了算法的整体约束条件.另外,赵英良提出的算法在‖δ(k)‖≤σ‖g(k)‖成立的条件下证明了算法的全局收敛性和超线性收敛速度.本文试图去掉此约束条件仍得到算法的全局收敛性及其超线性收敛速度,从而推广了非单调信赖域方法的应用范围.     

一类新的求解非线性规划的SQP方法

序列二次规划(SQP)方法求解中小规模非线性约束下的最优化问题很有效,因此,笔者研究了序列二次规划(SQP)方法及其在非线性规划中的应用.利用强次可行的SQP方法求解问题时可以避免罚函数应用的不便,笔者通过修订搜索方向克服了SQP方法中经常出现的Maratos现象,并且通过调整参数降低了计算量,从而提高了算法的收敛速度.在给定的条件下证明了算法的全局收敛性.     

E-凸函数的一个性质

给出了一类广义的凸集和凸函数——E-凸集和E-凸函数的一个性质；并给出了关于E-凸规划命题的一个反例．     

无约束广义几何规划的一种具有全局收敛性的线性松弛方法

几何规划是一种具有特殊形式的非线性规划问题.广义几何规划问题是一种特殊的规划(DC),为研究其有效的求解方法,利用线性化技术,将广义几何规划转化为一列凸规划问题.构造了无约束广义几何规划的一种新算法,并证明了算法的全局收敛性.     

一类椭圆积分上界估计的改进

本文利用分析方法，通过讨论辅助函数的特性，证明了几个不等式，给出了一类椭圆积分的上界，部分地改进了有关文献的结果．     

解无约束最优化问题的一个非单调的新的BFGS信赖域算法

给出了一个解无约束最优化问题的非单调的新的BFGS校正的信赖域算法．将非单调算法应用于解信赖域问题。前人已卓有成效．本文的关键之处就是提出了新的BFGS校正公式，此算法具有较好的性质。所给的BFGS校正的具有二次约束的信赖域子问题总保证校正矩阵是正定的。也即信赖域子问题是严格凸二次规划．在较少的假设条件下还结合相关理论证明了所提供的算法具有全局收敛性．     

约束正定式几何规划的一种多项式时间算法

利用了几何规划的特点，借助于对偶及矩阵分析的理论为约束正定式几何规划构造了一种内点算法，并证明了算法具有多面式时间的收敛性，从而推广了张可村等（1995）文的结果。