一般单调变分不等式的近似邻近外梯度算法

近似邻近点算法是求解单调变分不等式的一个有效方法,该算法通过解决一系列强单调子问题,产生近似邻近点序列来逼近变分不等式的解,而外梯度算法则通过每次迭代中增加一个投影来克服一般投影算法限制太强的缺点,但它们均未能改变迭代步骤中不规则闭凸区域上投影难计算的问题.于是,本文结合外梯度算法的迭代格式,构造包含原投影区域的半空间,将投影建立在半空间上,简化了投影的求解过程,并对新的邻近点序列作相应限制,使得改进的算法具有较好的收敛性.     

求解非单调变分不等式的一种半空间投影算法

本文提出了一种求解非单调变分不等式的半空间投影算法,在映射是连续和对偶变分不等式解集非空的假设条件下证明了该算法生成的无穷序列是全局收敛的,并在局部误差界和Lipschitz连续条件下给出了收敛率分析.通过数值实验验证了所提出算法的有效性和可行性.     

求解非单调变分不等式的一种二次投影算法北大核心CSCD

投影算法是求解变分不等式问题的主要方法之一.目前,有关投影算法的研究通常需要假设映射是单调且Lipschitz连续的,然而在实际问题中,往往不满足这些假设条件.该文利用线搜索方法,提出了一种新的求解非单调变分不等式问题的二次投影算法.在一致连续假设下,证明了算法产生的迭代序列强收敛到变分不等式问题的解.数值实验结果表明了该文所提算法的有效性和优越性.     

解半定规划的二次摄动方法

半定规划在系统论,控制论,组合优化,和特征值优化等领域有着广泛的应用。本文将半定规划摄动成二次半定规划,它的唯一解恰为原问题的解,并且对其偶问题等价于一个线性对称的投影方程,可方便地用投影收缩方法求解,从而获得原半定规划问题的解。文章给出了算法及其收敛性分析,数值试验结果表明摄动方法是解半定规划的一种有效的方法。     

解拟变分不等式的超平面投影算法

拟变分不等式问题是变分不等式问题的一种推广,超平面投影算法是解变分不等式的一种重要方法.通过构造严格分离当前点与拟变分不等式解集的超平面,建立了解拟变分不等式的超平面投影算法.在一定的条件下,证明了该算法的全局收敛性.     

图的最大二等分问题的低秩可行方向算法

基于图的最大二等分问题的半定规划松弛模型,利用矩阵的低秩分解技巧,给出了该问题的半定规划松弛的一种低秩可行方向算法.在一定的条件下,证明了算法的收敛性.结合0.699随机扰动方法得到原问题的近似最优解.数值实验表明该方法能有效地求解图的最大二等分问题.     

图的最大二等分问题的非线性规划算法

基于图的最大二等分问题的半定规划松驰模型 ,本文提出一个非线性规划算法求解该模型 ,得到该半定规划松驰模型的一个次优解 ,并且给出算法的收敛性证明 .数值试验表明该方法可以有效地求解图的最大二等分问题的松驰模型     

一种基于LVI求解二次规划问题的数值算法

给出并研究了一种数值算法(简称94LVI算法),用于求解带等式和双端约束的二次规划问题. 这类带约束的二次规划问题首先被转换为线性变分不等式问题,该问题等价于分段线性投影等式.接着使用94LVI算法求解上述分段线性投影等式,从而得到QP问题的最优解. 进一步给出了94LVI算法的全局收敛性证明. 94LVI算法与经典有效集算法的对比实验结果证实了给出的94LVI算法在求解二次规划问题上的高效性与优越性.     

一种新的求解变分不等式的惯性双次梯度外梯度算法（英文）

当可行集为一光滑凸函数的下水平集时,文献[Optimization,2020,69(6):1237-1253]提出了一种惯性双次梯度外梯度算法来求解Hilbert空间中的单调且Lipschitz连续的变分不等式问题.该算法在每次迭代中仅需向一个半空间计算两次投影,并得到了算法的弱收敛结果.本文通过使用黏性方法以及在惯性步采用新的步长来修正该算法.在适当的假设条件下证明了新算法所生成的序列能强收敛到变分不等式的一个解.此外,新算法在每次迭代中也仅需向半空间计算两次投影.     

求解拟变分不等式问题的一种投影算法

拟变分不等式问题在经济、工程,最优化和控制等领域都有着广泛的应用,目前,对拟变分不等式问题的研究还处于初级阶段.在本文中,我们利用梯度投影技术,给出了一种求解拟变分不等式问题的投影类算法,证明了该算法的全局收敛性,并给出了数值试验结果.     

Interior projection-like methods for monotone variational inequalities

We propose new interior projection type methods for solving monotone variational inequalities. The methods can be viewed as a natural extension of the extragradient and hyperplane projection algorithms, and are based on using non Euclidean projection-like maps. We prove global convergence results and establish rate of convergence estimates. The projection-like maps are given by analytical formulas for standard constraints such as box, simplex, and conic type constraints, and generate interior trajectories. We then demonstrate that within an appropriate primal-dual variational inequality framework, the proposed algorithms can be applied to general convex constraints resulting in methods which at each iteration entail only explicit formulas and do not require the solution of any convex optimization problem. As a consequence, the algorithms are easy to implement, with low computational cost, and naturally lead to decomposition schemes for problems with a separable structure. This is illustrated through examples for convex programming, convex-concave saddle point problems and semidefinite programming.The work of this author was partially supported by the United States–Israel Binational Science Foundation, BSF Grant No. 2002-2010.     

交替方向法求解带线性约束的变分不等式

１引言变分不等式是一个有广泛应用的数学问题,它的一般形式是：确定一个向量,使其满足这里ｆ是一个从到自身的一个映射,Ｓ是Ｒ中的一个闭凸集．在许多实际问题中集合Ｓ往往具有如下结构其中ＡｂＫ是中的一个简单闭凸集．例如一个正卦限,一个框形约束结构,或者一个球简言之,Ｓ是Ｒ中的一个超平面与一个简单闭凸集的交．求解问题（１）－（２）,往往是通过对线性约束Ａ引人Ｌａｇｒａｎｇｅ乘子,将原问题化为如下的变分不等式：确定使得我们记问题（３）－（４）为ＶＩ（Ｆ）．熟知［３］,ＶＩ（,Ｆ）等价于投影方程其中凡（·）表…     

Eigenvalue Multiplicity Estimate in Semidefinite Programming

A semidefinite programming problem is a mathematical program in which the objective function is linear in the unknowns and the constraint set is defined by a linear matrix inequality. This problem is nonlinear, nondifferentiable, but convex. It covers several standard problems (such as linear and quadratic programming) and has many applications in engineering. Typically, the optimal eigenvalue multiplicity associated with a linear matrix inequality is larger than one. Algorithms based on prior knowledge of the optimal eigenvalue multiplicity for solving the underlying problem have been shown to be efficient. In this paper, we propose a scheme to estimate the optimal eigenvalue multiplicity from points close to the solution. With some mild assumptions, it is shown that there exists an open neighborhood around the minimizer so that our scheme applied to any point in the neighborhood will always give the correct optimal eigenvalue multiplicity. We then show how to incorporate this result into a generalization of an existing local method for solving the semidefinite programming problem. Finally, a numerical example is included to illustrate the results.     

广义非凸变分不等式解的存在性与投影算法

本文运用Banach压缩映象原理和投影技巧研究一类新的广义非凸变分不等式问题解的存在唯一性,并在非凸集上建立一个逼近广义非凸变分不等式解的三步投影算法,在一定条件下证明了该投影算法所产生的迭代序列的收敛性.     

无单调性集值变分不等式的一种投影算法

本文给出了求解无单调性集值变分不等式的一个新的投影算法,该算法所产生的迭代序列在Minty变分不等式解集非空且映射满足一定的连续性条件下收敛到解.对比文献[10]中的算法,本文中的算法使用了不同的线性搜索和半空间,在计算本文所引的两个数值例子时,该算法比文献[10]中的算法所需迭代步更少.     

求解广义互补问题

1 引言 设为一闭凸锥,f是R~n到自身的一映射.广义互补问题,记作GCP(K,f),即找一向量x满足 GCP(K,f) x∈K,f(x)∈且x~Tf(x)=0,(1) 其中,是K的对偶锥(即对任一K中向量x,满足x~Ty≤0的所有y的集合).该问题首先 由Habetler和Price提出.当K=R_+~n(R~n空间的正卦限),此问题就是一般的互补问题.许多作者已经提出了很多求解线性或非线性互补问题的方法.例如:Dafermos,Fukushima,Harker和Price以及其它如参考文献所列.近年来,何针对单调线性变分不等式提出了一些投影收缩算法. Fang在函数是Lipschitz连续及强单调的条件下,在[3]给出一简单的迭代投影法,在[4]中给出一线性化方法去求解广义互补问题(1).在[3]中,他的迭代模式是     

一种新的求解拟单调变分不等式的压缩投影算法

2020年Liu和Yang提出了求解Hilbert空间中拟单调且Lipschitz连续的变分不等式问题的投影算法,简称LYA。本文在欧氏空间中提出了一种新的求解拟单调变分不等式的压缩投影算法,简称NPCA。新算法削弱了LYA中映射的Lipschitz连续性。在映射连续、拟单调且对偶变分不等式解集非空的条件下得到了NPCA所生成点列的聚点是解的结论。当变分不等式的解集还满足一定条件时,得到了NPCA的全局收敛性。数值实验结果表明NPCA所需的迭代步数少于LYA的迭代步数,NPCA在高维拟单调例子中所需的计算机耗时也更少。     

On a Generalized System for Relaxed Cocoercive Variational Inequalities and Projection Methods

Verma introduced a system of nonlinear variational inequalities and proposed projection methods to solve it. This system reduces to a variational inequality problem under certain conditions. So, at least in form, it can be regarded as a extension of a variational inequality problem. In this note, we show that solving this system coincides exactly with solving a variational inequality problem. Therefore, we conclude that it suffices to study the corresponding variational inequalities.This work was supported by the National Natural Science Foundation of China, Grant 10571134.Communicated by M. J. Balas     

半定规划问题的一种新的预测-校正算法

本文首先将半定规划转化为一个变分不等式问题,在满足单调性和Lipschitz连续的条件下,提出了一种基于Korpelevich-Khobotv算法的新的预测-校正算法,并给出算法的收敛性分析.