线搜索(LS)共轭梯度法非单调算法的全局收敛性

非单调线搜索技巧在非线性优化中得到成功的应用与扩展,非单调线搜索下的共轭梯度法则可以提高大规模非线性优化问题的收敛速度。对LS共轭梯度法做了某些变型,在非单调线搜索下,该方法保证每次迭带都会产生下降的方向,在较弱的条件下得到算法全局收敛性。     

带记忆的非单调无约束优化算法的全局收敛性

自从非单调线搜索技巧引入非线性优化后,所得的算法得到了成功的应用与扩展。带记忆的梯度方法经常用来求解无约束优化问题,尤其是大规模的问题。将带记忆梯度法与Wolfe非单调线搜索技巧成功融合到一起得到了新算法。证明了该算法全局收敛。     

一类新的下降算法及其全局收敛性

研究给出了一类新的求解无约束优化问题的下降算法．在无任何线搜索下,证明了新算法能够保证充分下降性,并且在采用Wolfe线搜索时,证明了新算法具有全局收敛性．大量的数值试验表明该算法是非常有效的,能够用于广泛的科学计算．     

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。     

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.     

新Armijo线搜索下的PRP共轭梯度法及其收敛性分析

优化算法研究,主要工作是给迭代点寻求可接受且有效的步长及可行的下降方向.在求解大规模无约束优化问题时,共轭梯度法被广泛应用.其中, Polak-Ribiere-Polyak方法 (简称:PRP方法)是众多共轭梯度法中数值表现相对较好的,但它在许多线搜索下并不具备全局收敛性,如何发挥PRP方法数值优良,而克服其收敛性差,是学者们致力探索的热点课题.本文提出新的PRP参数公式,并对Armijo线搜索方法进行修正,建立了新Armijo线搜索下的PRP共轭梯度算法,证明算法满足充分下降条件,并证明算法在适当条件下具有全局收敛性.     

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.     

一类约束半光滑方程组的非单调方法

给出一类简单界约束半光滑方程组的非单凋方法．在通常假设条件下，证明了算法的全局收敛性结果。     

一种新的Wolfe线搜索技术及全局收敛性

共轭梯度法是求解无约束优化问题的一种重要的方法,尤其适用于大规模优化问题的求解.通过应用计算βk的新公式求得一种新的共轭梯度法,在非精确线性搜索的Wolfe准则下证明新的共轭梯度法的全局收敛性,并且数值实验表明了这种线搜索下算法的有效性.     

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Armijo搜索下的记忆梯度法及其全局收敛性

通过构造新的βk,提出了一种新的无约束优化问题的记忆梯度算法,同时在Armijo线搜索下分析了该算法的全局收敛性,数值实验表明了新算法的有效性。     

一类新的超记忆多步曲线搜索方法及其全局收敛性

提出一种求解无约束最优化问题的超记忆多步曲线搜索方法,此方法具有如下特点:(1)每次迭代目标函数f(x)下降量更大;(2)充分利用前m步的迭代信息;(3)每次迭代同时确定下降方向和步长;(4)步长一致有正下界。在较弱的条件下,证明了此方法的收敛性。     

人工免疫算法的全局收敛性分析

提出了一种模拟生物免疫系统自我调节功能的人工免疫算法,介绍了算法的基本步骤,构造了几种人工免疫算子.对人工免疫算法的全局收敛性进行了分析,指出在进行抗体选择时若能确保当时的最优抗体可以进入下一代抗体群,则人工免疫算法是全局收敛的.     

一类求解无约束问题的拟牛顿算法的全局收敛性

提出一类更为一般的修改拟牛顿方程,从而推广了已有结论,同时给出了相应的修改BFGS算法,并将它与Armijo线搜索相结合.证明了在适当条件下该算法具有全局收敛性.     

一类多目标规划问题的信赖域算法及全局收敛性

通过对非线性规划信赖域算法的深入研究,利用文献（１）给出的收敛判别结果,针对一类多目标规划问题提出了直接求解的信赖域算法,并在一定条件下证明了算法的全局收敛性。     

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。