非线性优化算法理论中一个极限的应用

1引 言 在非线性最优化算法理论中,求解优化问题 min f(x)一般采用迭代形式 x_(k+1)=x_k+λ_kd_k,k=0,1,…,其中λ_k为搜索步长,d_k为搜索方向,λ_k、d_k的适当选取能使算法具有全局收效性: lim inf‖g_k‖=0,其中g_k=f(x_k),{x_k}由算法产生。 步长λ_k的选取实质上是一个对一元函数f(x_k+λd_k)进行线搜索的过程。很多线搜索能保证函数充分递减,即 f(x_k)-f(x_k+λ_kd_k)≥σ(|g_k~Td_k|)/(‖d_k‖) , (1)     

一类非单调算法的收敛性质

1.搜索步长和搜索方向对于无约束最优化问题(?)f(x),其中f:R~n→R~1,f∈C~1,一般采用形如x_(k+1)=x_k+λ_kd_k(k=1,2,…)的迭代算法来求解,这里λ_k为搜索步长,d_k为搜索方向.     

一类非单调算法的收敛性质

1.搜索步长和搜索方向对于无约束最优化问题(?)f(x),其中f:R~n→R~1,f∈C~1,一般采用形如x_(k 1)=x_k λ_kd_k(k=1,2,…)的迭代算法来求解,这里λ_k为搜索步长,d_k为搜索方向.     

一种修正的HS共轭梯度法及全局收敛性

<正>1引言考虑无约束极小化问题:(?),(1)其中f(x)连续可微,其梯度函数用g(x)表示.共轭梯度法求解(1)的常用迭代格式为:x_(k+1)=x_k+α_kd_k,(2)(?)(3)其中g_k=▽f(x_k),α_k≥0是由某种线搜索得到的步长因子;d_k为搜索方向,β_k为标量,β_k的不同选择产生了不同的共轭梯度法.著名的β_k公式有:     

一类不精确搜索的变尺度法的n步二次收敛性

一 引言 在优化技术中,变尺度法自1959年首次提出问世以来,由于其在计算上的有效性及较好的敛速而引起人们的重视。极小化R~n上的泛函f:R~n←R~1的变尺度法一般取如下形式 x_(k+1)=x_k-λ_kd_h d_k=H_k~7g_h k=0,1… (1.1)其中x_k∈R~n为f的极小点x~*的第k次近似,d_h为第k次搜索方向,λ_k为适当选定的步     

特征为2的素环上强保持k-交换性的映射

令R是特征为2,且含有非平凡幂等元与单位元的素环.假设f:R→R是满射,k=2,3.证明了,f满足[f(x),f(y)]_k=[x,y]_k=[[x,y]_(k-1),y]对所有元x,y∈R成立当且仅当存在映射μ:R→C和元λ∈C使得f(x)=λx+μ(x)对所有元x∈R成立,其中λ~(k+1)=1,C是R的扩展中心.     

关于多元凸函数的Bernstein多项式逼近的阶

1.引言 用△_k是表示R~k中的单纯形:△_k={X=(x_1,x_2,…,x_k)∈R~k|x_i≥0,i=1,2,…,k;sum from i=1 to k(x_i)≤1};C(△_k)表示定义在△_k上的连续函数的全体.记||f||=||f||_(△_k):=sup|f(X)|,ω(f,t):=sup |f(X)-f(Y)|。连续函数ω(t),t∈[0,+∞)称为     

关于一类整函数的级与下级

§1.引言本文研究零点聚集在有穷条半射线argz=θ:θ_2,…,θ_k附近的整函数f(z)的级λ(f)与下级μ(f)的关系。以往的研究(参见[1]、[2]、[3]、[4]、[5]、[6])表明:如果f(z)的全部零点仅分布在argz=θ_1,θ_2,…θ_k上,若μ(f)<∞,则λ(f)<∞。张广厚和伍鹏程曾研究上述结果的推广问题。Norbert steinmetz在[6]中提出:是否存在仅与μ(f)和k有关的λ(f)的明确上界?他证明了k=1,2时有λ(f)≤[μ(f)]+k。而对k≥3没有任何一般性结果。本文寻求新的途径,拓广以前的结果,并给出k=3时λ(f)的一个明确上界。     

随机元序列的收敛性

Slutsky 曾经证明下述定理:设随机变数序列(?)分别依概率收敛于常数 α_1,α_2,…,α_k,即 (?),i=1,2…,k 对任一给定的 ε>0成立,则对任一有理函数 R(x_1,x_2,…,x_k)当 R(α_1,α_2,…,α_k)有意义时必有 R(ξ(1n)ξ(2n)…,ξ(kn))依概率收敛于 R(α_1,α_2,…,α_k)。文献[1]推广了上述结果证明了 R 为 R~t(k 维欧氏空间)上的 Borel 函数,并在(α_1,α_2,…,α_k)处连续的条件下 Slutsky 定理仍成立。上述定理及其     

素环上强保持2-Jordan乘积的映射

对于给定的正整数k≥1,环R上的元x,y的k-Jordan乘积定义为{x,y}_k={{x,y}_(k-1),y}_1,其中{x,y}_0=x,{x,y}_1=xy+yx.假设R是包含有单位元与一非平凡幂等元的素环.本文证明了R上的满射f满足{f(x),f(y)}2={x,y}_2对所有x,y∈R成立当且仅当存在λ∈l(R的可扩展中心)且λ~3=1,使得下列之一成立:(1)若R的特征不为2,则f(x)=λx对所有x∈R成立;(2)若R的特征为2,则f(x)=λx+μ(x)对所有x∈R成立,其中μ:R→l是一个映射.作为应用,得到了因子von Neumann代数上保持上述性质映射的结构.     

一个采用组合信赖域与二阶线搜索技术的新的非单调大规模最优化方法

<正>1引言本文考虑求解大规模无约束最优化问题■f(x):(1.1)其中f:R~n→R是二阶连续可微的实值目标函数,n是一个比较大的正整数.在求解问题(1.1)时,通常的迭代法产生一个迭代点列x_0,x_1,x_2,…,其中x_(k+1)由x_k产生.在每一步迭代中,算法首先解一个信赖域子问题:■m_k(s)■g_k~T s+1/2s~TH_ks,s.t.||s||≤△_k,(1.2)     

Huang族矩阵产生的所有变尺度法(重开始)具有n步超线性敛速

我们考察无约束问题min f(x),其中函数f(x)是n维空间E~n上连续可微函数.由Huang族矩阵产生的变尺度法(n步重开始)是部下的选代过程(见参考文献[1])其中u_k=t_1,_kr_k+t_2,_kH_k~Te_k,v_k=t_3,_kr_k+t_4,_kH_k~Te_k,r_k=x_k+1-x_k,e_k=f＇(x_k+1)-f＇(x_k).选择不同的参数ρ,ti,_k(i=1,2,3,4)就得各种变尺度算法. 在文献[1]中,曾对ρ=0,1的几个特殊的算法,分别证明了上述算法(A)具有     

具有精确线性搜索的改进共轭梯度法

其中g_k=f(x_k),β_k为参数.β_k的不同选法形成了各种共轭梯度法,其中Fletcher-Reeves法(简记为FR法)是理论较完整的一个方法,对水平集有界的二阶连续可微函数,Powell和Baali分别在精确和不精确线搜索下证明了其全局收敛性.Polak-Ribiere法     

Bargmann空间中无界Gribov-Intissar算子的谱逼近（英文）

在[Adv.Math.(China),2015,44(3):335-353]中,我们研究了经典Bargmann空间Bo中的非自伴算子H_μ:H_μ=S_μ+H_λ,其中S_μ=μz d/(dz),H_λ=iλ(z(d~2)/(dz~2)+z~2 d/(dz)),i~2=-1,参数μ,λ都是实数.我们给出了H_μ的谱分析和H_μ的广义特征向量的渐近分析.设ek(z)=(z~k)/((k!)~(1/2)),k=1,2,…是B0的正交基.算子H_μ可以被一列三对角矩阵逼近,此三对角矩阵的主对角线元素为β_k=μk,次对角线元素α_k=iλk(k+1)~(1/2),1≤k≤n,n∈N.对于μ∈C和λ∈C,本文主要研究上述矩阵的特征值z_(k,n)(μ,λ)的局部化,它是多项式P_(n+1)~(μ,λ)(z)的零点,P_(n+1)~(μ,λ)(z)满足三项递推关系:若"∈R和λ∈R,则上述矩阵是复对称的.在这种情况下,我们证明了R上有界变分复值函数∈(z)的存在性,它使得权重为∈(z)的多项式P_n~(μ,λ)(z)是正交的.我们也考虑了H_μ的扰动H_λ'=S_λ'+H_λ,其中S_λ'=λ'z~2(d~2)/(dz~2)+S_μ,λ'∈R,H_λ可以被矩阵(h_(jk)~λ)_(j,k=1)~∞表示.证明了可以通过S_λ'的特征值和有限矩阵(h_(jk)~λ)_(j,k=1)~n的特征值的组合来逼近H_λ'的特征值.     

多维连续函数求积公式的误差估计

设E~k={(x_1,…,x_k)∈R~k:0≤x_i≤1,=1,2,…,k}为k维单位立方体.?_c,…,?_N为E~k中的N个点.A(M;N)为满足?_i∈M?E~k,1≤i≤N的点的个数.对于γ=(γ_1,…,γ_k)∈E~k,令 I(γ)={(x_1,…,x_k)∈E~k:0≤x_i<γ_i,i=1,2,…,k}.(1)λ为通常的k维Lebesgue测度,那么     

Second-Order Optimality Conditions for a Class of Quasidifferentiable Functions

Let f:R~n→R be continuously quasidifferentiable.Definition I The upper and lower.second-order d-directional derivativesof f at x are defined,respectively,by f”_+(x,v,d):(?)〈v_k+v_k-v,x_k-x〉/t_k~2,f”_(-)(x,v,d):(?)〈v_k+v_k-v,x_k-x〉/t_k~2,where(i)t_k>0,x_k→x;(ii)(x_k-x)/t_k→d;(iii)v_k+v_k→v,v_k∈(?)f(x_k),(?)∈(?)f(x_k).     

关于第二类Bernstein型插值过程

设f(x)∈c[-1,1],U_n(x)=sin(n+1)θ/sinθ(x=cosθ)为第二类多项式,x_k=cosθ_k=cos(kπ)/(n+1)(k=1,…,n)为其 n 个零点。又记 x_0=1,x_(n+1)=-1。文考虑了以{X_k}(k=0,1,…,n+1)为节点的第二类 Bernstein 型插值过程:     

Hermite矩阵特征值反问题的几乎处处不可解性

§1.引言 Hermite矩阵的特征值反问题是Downing和Householder在[2]中提出的,其形式如下: 问题A. 给定Hermite矩阵A,k个非零实数λ_1…,λ_k,以及满足r_+r_1+…+r_k=n的k+1个非负整数r_1,r_1,…,r_k,求一实对角矩阵D=diag(d_1,…,d_n),使得A+D的特征值为0,λ_1,…,λ_k,并且相应的重数为 r_0,r_1,…,r_k.     

关于Goodenough和Mills的一个定理

设f∈C[-1,1],ω(t)为给定的连续模,H_ω={f|ω(f,t)≤ω(t)},U_n(x)=sin(n+1)θ/sinθ(x=cosθ)是第二类Chebyshev多项式。以U_n(x)的零点x_k=cosθ_k==con(kπ)/(n+1)(k=1,2,…,n)为节点的拟Hermite-Fejer算子有如下的形式 最近,S.J.Goodenough和T.M.Mills发表了如下的定理:若f∈C[-1,1],     

四阶微分方程共振问题解的多重存在性

利用Z_2-指标理论和临界点理论,讨论了一类四阶微分方程u~((4))+au″=μu+y(t,u),0tL,u(0)=u(L)=u″(0)=u″(L)=0共振问题解的多重存在性,这里00,f∈C~1([0,L]×R,R),为特征值问题u~((4))+au″=λu的某个特征值,其中特征值满足λ_40,λ_k0,k≥2.