无约束优化的超记忆梯度算法

提出了一种无约束优化超记忆梯度算法,分析了算法的收敛性,并对算法进行了数值试验,结果表明算法比Ａｒｍｉｊｏ搜索下的ＦＲ和ＰＲ共轭梯度法及Ｃａｕｃｈｙ方法有效,特别适于求解大规模无约束最优化问题。     

求解非线性方程组的记忆梯度算法

本文给出了一种求解非线性方程组的新算法-记忆梯度算法,该算法采用迭代形式,每步迭代不仅利用了当前点的迭代信息,而且利用了前一迭代点的信息,使算法更具稳定性,本文还证明了该算法的全局收敛性.     

一类具全局收敛的非线性规划算法

研究非线性等式约束最优化问题，得出一类具全局收敛的梯度投影算法，证明了算法的全局收性，并对这类算法的数值结果进行了比较。     

超记忆梯度算法的线性收敛速度

证明了时贞军提出的超记忆梯度算法在一定条件下具有线性收敛速度。     

一种新的投影型变分不等式交替方向方法

本文提出了一种投影型的变分不等式交替方向方法,此方法从三个方面改进了其他相关文献中的方法。在相同条件下,我们证明了此方法的全局收敛性。     

非精确搜索下的超记忆梯度法

本文提出一种新的无约束优化超记忆梯度算法,算法在每步迭代中充分利用前面迭代点的信息产生下降方向,采用Armijo非精确线性搜索产生搜索步长,在较弱的条件下证明了算法的全局收敛性。