一个带线搜索的自适应信赖域算法

对无约束优化问题提出了一个带线搜索的非单调自适应信赖域算法,每次迭代都充分利用当前迭代点包含的二次信息自动产生一个信赖域半径.在试探步不被接受时,算法并不重解信赖域子问题,而采用非单调线搜索,从而减少了计算量.在适当的条件下,证明了算法的全局收敛性.     

一类新的带线搜索的自适应非单调信赖域算法

对于无约束优化问题提出了一类基于新锥模型的带线搜索的信赖域算法。利用自适应技术,当试探步不成功时,不需重新求解子问题,而采用Armijo线搜索,以减少计算量。在适当的条件下,证明了算法的全局收敛性。     

一个新的非单调信赖域算法

提出一个带线性搜索的非单调自适应信赖域算法.该算法将非单调wolfe线搜索和自适应信赖域方法相结合,同时采用新的BFGS校正公式,保持了信赖域子问题海森矩阵的正定性.在适当条件下,分析了该算法的全局收敛性,并通过数值实验说明了该算法的可行性.     

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n〉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．     

一类新拟牛顿方程的非单调信赖域算法

利用新拟牛顿方程及其修改BFGS校正公式,将非单调Wolfe线搜索技术与信赖域相结合,提出了一类拟牛顿非单调信赖域算法。在较弱的条件下,证明了此算法的全局收敛性。数值结果表明该算法是有效的。     

一个新的非单调自适应信赖域方法

自适应信赖域方法是求解无约束非线性优化问题的一种有效方法．将非单调线搜索技术与自适应信赖域方法相结合,提出了求解无约束优化问题的一个新的非单调自适应信赖域方法．在适当条件下,证明了该算法的全局收敛性和局部超线性收敛结果．并对其进行了数值实验,结果表明该算法是可行的．     

新的自适应非单调信赖域算法

将前人文献提出的信赖域子问题与非单调技术相结合,得到一种新的非单调的自适应的信赖域算法,并证明了算法全局收敛性.     

解非线性互补问题带线搜索的非单调自适应信赖域法

基于Fischer-Burmeister(FB)函数将非线性互补问题等价地转化为求解无约束优化问题。结合自适应信赖域半径方法和基于函数平均权重的非单调技术,提出一个求解非线性互补问题的非单调自适应信赖域方法。在适当的假设条件下,证明了该算法的全局性和超线性,数值结果表明该算法是可行的。     

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.     

基于锥模型的无约束优化问题的信赖域算法

对无约束优化问题,提出了一种基于锥模型的非单调信赖域算法.该算法与通常的信赖域算法的不同在于:当试探步不成功时,不再重新求解子问题,而是采用非单调线搜索技术.对子问题进行了分析,并证明了算法的超线性收敛性.     

一种改进的自适应六边形搜索方法

基于对六边形算法的分析,提出了一种改进的自适应六边形运动估计算法.该算法充分利用图像序列的特性以及运动矢量的中心偏置和时空相关特性,对块进行运动类型划分,对不同块自适应地采取不同的搜素策略,有效地避免了搜索不足或搜索冗余.试验证明了该算法的有效性,在保持图像质量的情况下,有效降低了计算复杂度,加快了搜索速度.     

The global convergence of the non-quasi-Newton methods with non-monotone line search

Consider the following nonlinear programmingproblemminf(x), (1)wheref:Rn→ R1,f∈ C2.General line search methodsfor solving (1) have the following formxk 1=xk λkdk,k =0,1,2,…,wherex0is an arbitrary given starting point,λkis a stepsize,dkis a search direction. It is known that the qua-si-Newton methods are efficientiterative methods. Man-y papers were devoted to investigating the properties ofthe Broyden classalgorithms[1 -3,12,13,15 -18]. Meanwhile,the methods with non-quasi-Newton famil…     

一种新的非单调信赖域方法

给出一种新的非单调信赖域方法，证明了算法的全局收敛性和超线性收敛性，最后给出了数值结果     

基于回溯法的非单调线搜索的BFGS方法的全局收敛性

根据一种修正的BFGS方法的计算公式,结合回溯法和一种非单调线搜索的条件,给出了一种求解无约束优化问题的新的算法,证明了在这种非单调线搜索的条件下BFGS具有全局收敛性.     

一般约束优化含等式约束问题的鲁棒信赖域算法

针对一般约束优化问题进行了研究.利用引入罚函数将一般约束问题转化为一个只含不等式约束的的参数规划问题的技巧,将不等式约束优化问题的一个鲁棒信赖域算法扩展到一般约束优化问题中,并保留了算法的良好性质;同时,在一定条件下,得到了算法的全局收敛和超线性收敛.