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.     

一个新线搜索下DY共轭梯度法的收敛性

对无约束优化问题,传统的Wolfe线搜索需要限制参数σ≤1/2,它对保证一些共轭梯度法的收敛性是不可以改进的.广义的Wolfe线搜索也需要一些特殊的取法,才能保证一些算法的收敛性.因此,针对这一限制,把参数的范围扩展至0<σ<1,而且对广义的Wolfe线搜索进行修改.然后证明了在这种新的线搜索条件下,DY共轭梯度法在扩大的参数O<σ<1下的全局收敛性.     

修正HS共轭梯度法的全局收敛性

针对PRP方法对一般的非凸函数在强Wolfe线性搜索条件下不收敛这一不足,给出了一种新的共轭梯度算法.在强Wolfe线性搜索下,所给公式满足充分下降条件,并在适当条件下证明了算法的全局收敛性.     

基于模糊决策理论的主观信任模型评估

针对信任评估中主体各因素的权重的不确定性,依据模糊决策理论,提出一种权值随评估值动态变化的的主观信任模型,给出了信任的等级划分机制和综合评估机制.最后通过实际数值例子证实了基于变权法的模糊决策得出的主观信任更具有效性和合理性.     

共轭投影梯度滤子算法及其全局收敛性

提出了一种基于共轭投影梯度思想的SQP-滤子算法,滤子技术的引入使得该算法不需要求解二次规划子问题.借助于共轭投影梯度思想能有效避免常规滤子算法中的恢复算法,简化了算法结构.在一定条件下,证明该算法具有全局收敛性.