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。     

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.     

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.     

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．     

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.     

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。     

求解非线性方程组的信赖域算法

非线性方程组传统解法求解过程中迭代次数多、运算时间长,因此提出一种求解非线性方程组的信赖域算法.首先建立信赖域算法模型,将非线性方程组转化为无约束问题,确定迭代过程参数,建立Hessian阵并构造近似序列,随后利用反证法进行收敛性分析,验证算法可行性.仿真实验中选择3个案例对与传统算法进行比较验证,实验结果表明,两算法...     

一个无约束信赖域梯度路径法的收敛性证明与数值试验

给出文献[1]中梯度路径法的收敛分析与证明,分析表明方法全局收敛,且在极限点处当海色矩阵正定时,方法满足二次收敛的特性;最后给出算法的数值试验结果．     

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．     

遗传算法在多约束组合优化中的应用

对遗传算法(geneticalgorithms,GA)的搜索过程进行了分析,并着重研究了遗传算法在组合优化问题中的应用,最后对遗传算法的收敛性与其他数学优化方法的区别进行了介绍。     

一种改进的遗传算法及其在系统辨识中的应用

研究了基于基本杂交操作的遗传算法的效率及全局收敛性，提出了一种改进的遗传算法，该算法成功地应用于系统辨识。仿真结果表明了该方法的有效性及实用性。