无约束优化中一种新的非单调梯度路径信赖域方法

论文讨论解无约束优化的信赖域方法.信赖域方法关键是在迭代的每一步要解一个信赖域子问题.在解决子问题的众多方法中,文献[1]中的Levenbcrg-Marqurdt方法是在信赖域内,从(χx)出发沿着牛顿方向寻找最优解.但是它需要计算Bk及Hessian其逆阵,工作量较大,故只能适用于中小规模问题.论文对Hessian阵进行近似处理,形成新的梯度路径,并将此技术与非单调技术结合用于信赖域算法中去,我们并证明了收敛性.     

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     

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.     

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．     

一种改进的的非单调自适应信赖域算法

非单调信赖域算法是解决无约束优化问题的一种有效的算法。本文针对无约束优化问题提出了一种改进的非单调自适应信赖域算法。将非单调技术引入到一种新的自适应信赖域算法中,这样做避免了Maratos效应,减少了运算量。并且文中提出了一些假设,证明了这种改进的非单调自适应算法的全局收敛性,最后数据试验验证了这种算法的有效性。     

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.     

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．     

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．     

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.     

求解无约束最优化非单调自确定信赖域算法

基于文献[1]给出的自适应信赖域算法,结合非单调技术提出一个新的求解无约束优化问题的非单调自确定信赖域算法.该算法具有全局收敛性,并在适合的条件下也得到该算法的局部超线性和二次收敛性.     

无约束优化问题的信赖域半径趋于0的信赖域方法

用信赖域半径收敛到0的信赖域方法求解无约束优化问题,基于函数值平均权重的非单调技术减少了算法的计算量.证明了算法的全局收敛性以及超线性收敛性.     

一种基于锥模型的非单调拟牛顿信赖域方法

将非单调技术与锥模型拟牛顿信赖域方法相结合,提出了一种基于锥模型的非单调拟牛顿信赖域方法。讨论了锥模型信赖域子问题中参数γk在不同情况下的选取,证明了利用所构造的参数γk,在一定条件下,尤其是当目标函数值非单调时,校正公式中Bk＋1,仍保持正定性。数值实验表明算法是有效的。     

求解非线性方程组的非单调自适应信赖域方法

提出求解非线性方程组的非单调自适应信赖域法,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,所用的计算信赖域半径的策略没有增加额外的计算量。在通常的假设条件下,证明了算法的全局收敛性。     

一种新的求解非线性方程组信赖域方法

用信赖域半径收敛到0的信赖域方法求解非线性方程组,同时应用基于函数值平均权重的非单调技术来减少算法的计算量.证明了算法的全局收敛性,并在弱于雅克比矩阵非奇异的局部误差界条件下,证明了算法的超线性收敛性.数值试验表明算法的有效性.     

线性约束优化问题的一类非单调信赖域算法

对线性约束优化问题提出了一类非单调信赖域算法.当试探步不成功时,并不重解子问题,而是利用非单调线搜索得到试探步及下一迭代点,有效地减少了计算量.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。     

一个求解非线性互补问题非单调自适应信赖域方法

基于Fischer-Burmeister函数(简称FB函数)可将非线性互补问题转化等价的无约束问题求解.在信赖域与非单调技术相结合基础上提出一个求解非线性互补问题非单调自适应信赖域算法.该算法具有全局收敛性,且在适当的假设下该算法也具有局部超线性收敛.数值结果表明该算法是有效的.     

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。     

一类新的带线搜索的非单调自适应信赖域算法

对无约束最优化问题提出了一类新的带线搜索的非单调自适应信赖域算法．新算法采用自适应技术,当试验步不成功时,不重解信赖域子问题,而采用Wolfe线搜索,故相对于原有的算法减少了计算量．并在适当的条件下,证明了算法的全局收敛性．