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.     

一种新BFGS非单调锥模型信赖域算法

将新的BFGS校正公式应用到新锥模型信赖域算法中,提出了一种基于新锥模型的BFGS校正信赖域算法。在较少的条件下,证明了该算法的全局收敛性和二次收敛性。     

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．     

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.     

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。     

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。     

一类大规模系统的三层递阶最优控制算法

对大系统的最优控制问题，应用空间和时间分解，提出一个新的三层递阶控制并行算法．用平行变量尺度法（ＰＶＭ）求解第三层的算法；在第二层子问题中，其约束要求某一个小子系统的初始状态等于前一个子系统的终止状态，协调变量用修正的牛顿方法校正；而低层更小子问题用推广微分动态规划（ＤＤＰ）并行求解．数值结果显示，与ＤＤＰ方法比较，ＰＶＭ／ＤＤＰ算法具有明显的加快速度．     

区域信号配时二层规划模型的一类新算法与数值计算

研究了基于一般信号相位结构的区域信号配时二层规划模型的求解算法.对于上层问题,将灵敏度分析方法和信赖域算法相结合,得到一种高效算法.而对于下层问题,则采用具有较高收敛速度的仿射尺度内点算法.还对上层问题采用一阶近似信赖域方法、二阶近似信赖域方法两种情形进行了数值对比试验.数值结果显示:一阶近似信赖域方法性能更好,可以应用于实际区域信号配时问题.     

一种非单调自适应新锥模型信赖域算法

对无约束优化问题提出一种非单调自适应新锥模型信赖域算法。该算法在每次迭代过程中都能充分利用以前迭代点的二次信息和水平向量信息自动产生一个信赖域半径。证明了新算法的收敛性,并用数值实验证明新算法有望解决大规模优化问题。     

一类无约束优化问题的信赖域过滤器算法

构造了一个求解无约束优化问题的新算法,结合了采用修正BFGS（MBFGS）算法的信赖域思想和多维过滤器算法策略．搜索方向的产生类似于MBFGS算法;在接受新的迭代点时,采用多维过滤器算法的策略及信赖域思想,新信赖域算法是全局收敛的．     

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.     

约束优化最小二乘问题的一种适用的方法

针对非线性约束优化最小二乘问题,提出了一种新的信赖域算法.此算法主要是修正了最小二乘问题的简约的Hessian矩阵,由于最小二乘问题的特有性质,使得求解过程得以简化.最后,用数值实例来验证此算法的合理性和有效性.