凸可行问题的平行近似次梯度投影算法

对凸可行问题提出了包括上松弛的平行近似次梯度投影算法和加速平行近似次梯度投影算法．与序列近似次梯度投影算法相比, 平行近似次梯度投影算法(每次迭代同时运用多个凸集的近似次梯度超平面上的投影)能够保证迭代序列收敛到离各个凸集最近的点． 上松弛的迭代技术和含有外推因子的加速技术的应用, 减少了数据存储量, 提高了收 敛速度. 最后在较弱的条件下证明了算法的收敛性, 数值实验结果验证了算法的有效性和优越性.     

ABS投影算法的两个改进

本文将求解线性方程的ABS投影算法进行两方面的改进和推广，一是使算法在第K次迭代产生的点xk＋1不仅满足前k个方程，还尽可能地使得在点xk处成立的方程j（j＞k）在xk＋1处仍成立，称之为强ABS投影算法，另外初始选代矩阵由非奇异的减弱为任意的．二是建立了系数矩阵有零子块的方程组的ABS投影算法，其存贮量和计算量比原ABS投影算法小．ABS算法可以作为这两种改进算法的特别情形．     

一个线性约束优化问题的广义梯度投影法

本文对线性约束优化问题提出了一个新的广义梯度投影法，该算法采用了非精确线性搜索，并在每次迭代运算中结合了广义投影矩阵和变尺度方法的思想确定其搜索方向．在通常的假设条件下，证明了该算法的整体收敛性和超线性收敛速度．     

一般伪单调变分不等式的改进投影算法

本文基于算子的分裂技巧给出了解一般伪单调变分不等式几种新的投影算法，包括三步和走步迭代算法．在算子T是g-伪单调和g-Lipschitz连续的条件下，即可证明新提出算法的收敛性．     

对称线性互补问题的乘性Schwarz算法

本文提出了求解对称性互补问题的乘性Schwarz算法,其中子问题用投影迭代方法求解.利用投影迭代算子的性质及投影迭代的收敛性,证明了算法产生的迭代点列的聚点为原互补问题的解,并在一定条件下,证明算法产生的迭代点列的聚点存在.     

凸可行问题的块迭代次梯度投影算法

本文,针对由非线性不等式系统构成的凸可行问题,提出了序列块迭代次梯度投影算法和平行块迭代次梯度投影算法.将非线性不等式系统分成若干个子系统,然后将当前迭代点在子系统各个子集上的次梯度投影的凸组合作为当前迭代点在这个子系统上的近似投影.在较弱条件下证明了两种算法的收敛性.     

线性方程组的多维投影算法

本文分析了求解线性方程组的一维投影算法即最小剩余法。定义了长轴陷阱及陷阱深度，用它们刻划了该算法迭代过程中锯齿现象的几何特征。本文给出了基于残差序列的避开长轴陷阱的扰动技巧，即多维投影算法。数值试验表明，投影算法要优于现在流行的主要算法。     

基于迭代投影的梯度硬阈值追踪算法

梯度硬阈值追踪算法是求解稀疏优化问题的有效算法之一.考虑到算法中投影对最优解的影响,提出一种比贪婪策略更好的投影算法是很有必要的.针对一般的稀疏约束优化问题,利用整数规划提出一种迭代投影策略,将梯度投影算法中的投影作为一个子问题求解.通过迭代求解该子问题得到投影的指标集,并以此继续求解原问题,以提高梯度硬阈值追踪算法的计算效果.证明了算法的收敛性,并通过数值实例验证了算法的有效性.     

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.     

非线性规划的法向与梯度组合方向算法及其收敛性

求解上述非线性不等式约束的规划问题并使用梯度投影时,由于非线性约束的特性,目标函数的负梯度在迭代点所在的切平面的交上的投影方向不一定是可行方向.为了利用梯度投影求得一个可行的下降方向,并使算法具有收敛性质,往往需要不止一次的作投影计算,因而算法比较复杂.文献[1]一反以往需多次求投影来求得迭代方向的办法,首先采用斜投影以求迭代方向,使得计算减少到至多求两次投影并给出他的算法的收敛性     

冲击接触问题的一种双共振投影梯度算法

根据冲击接触计算模型所需满足的基本控制方程和非线性互补条件,应用非线性互补问题与约束优化的等价关系将非线性互补接触问题转变成一个非线性规划问题,系统地推导建立了冲击接触问题的一种双共轭投影梯度计算方法．增广Lagrange乘子法克服了罚函数要求减小迭代步长以达到计算稳定的限制,即使对于冲击接触问题亦可以采用较大迭代步长,在形成的与原互补问题等价的无约束规划模式下,应用双共轭投影梯度算法提高非线性搜索速度和计算效率．算法模型计算结果表明,所建立的双共轭投影梯度计算理论及方法是正确有效的．     

Banach空间中极大单调算子零点的迭代逼近定理

令E为实光滑、一致凸Banach空间,E为其对偶空间．令A■ E x E为极大单调算子, A-10≠■．本文将引入新的迭代算法,并利用Lyapunov泛函, Qr算子与广义投影算子等技巧,证明了迭代序列弱收敛于极大单调算子A的零点的结论．     

不等式约束最优化超线性与二次收敛的强次可行SQP算法

利用ＳＱＰ方法、广义投影技术和强次可行方（向）法思想,建立不等式约束优化一个新的初始点任意的快速收敛算法． 算法每次迭代仅需解一个总存在可行解的二次子规划,或用广义投影计算“一阶”强次可行下降辅助搜索方向;采用曲线搜索与直线搜索相结合的方法产生步长． 在较温和的条件下,算法具有全局收敛性、强收敛性、超线性与二次收敛性． 给出了算法有效的数值试验．     

一般线性或非线性约束下的共轭投影变尺度方法

梯度投影法是一类有效的约束最优化算法，在最优化领域中占有重要的地位．但是，梯度投影法所采用的投影是正交投影，不包含目标函数和约束函数的二阶导数信息·因而；收敛速度不太令人满意．本文介绍一种共轭投影概念，利用共轭投影构造了一般线性或非线性约束下的共轭投影变尺度算法，并证明了算法在一定条件下具有全局收敛性．由于算法中的共轭投影恰当地包含了目标函数和约束函数的二阶导数信息，因而收敛速度有希望加快．数值试验的结果表明算法是有效的．     

Banach空间中有限个极大单调算子公共零点的投影算法

设计了一种带误差项的新投影迭代算法,利用Lyapunov泛函与广义投影映射等技巧,在Banach空间中,证明了迭代序列强收敛于有限个极大单调算子公共零点的结论.     

广义投影梯度型约束变尺度法

本文将广义投影梯度方向移植到约束变尺度算法之中，得到了一类新型算法：广义投影梯度型约束变尺度算法，并成功的使用了Ａｒｍｉｊｏ规则．该算法将广义投影类可行方向法和约束变尺度算法的优点溶为一体．并且由于使用了拟下降的概念，算法变得更为灵活．     

非平均加权采样的重建

主要讨论了在加权的多生成平移不变空间Vv^p(Ф）中由非均匀采样{∫R^df(x)gxj(x)dx:j∈J}来重建信号的问题．同时也讨论了投影逼近迭代算法．     

Banach空间中极大单调算子零点的投影算法

本文设计了一种极大单调算子零点的带误差项的新投影迭代算法,并在Banach空间中,利用Lyapunov泛函与广义投影映射等技巧,证明了迭代序列强收敛于极大单调算子零点的结论.     

一类求解单调变分不等式的隐式方法

1．引言变分不等式是一个非常有趣。非常困难的数学问题［"］．它具有广泛的应用（例如，数学规划中的许多基本问题都可以归结为一个变分不等式问题），因而得到深入的研究并有了不少算法［1，2，5－8，17－21］．对线性单调变分不等式，我们最近提出了一系列投影收缩算法Ig－13］．本文考虑求解单调变分不等式其中0CW是一闭凸集，F是从正p到自身的一个单调算子，一即有我们用比（·）表示到0上的投影．求解单调变分不等式的一个简单方法是基本投影法［1，6］，它的迭代式为然而，如果F不是仿射函数，只有当F一致强单调且LIPSChitZ连续…     

大型稀疏线性互补问题的行作用法

且引言考虑线性互补问题＊＊P（q，M）：求X二（X；，x。，…，x。厂E”使得x＞O，训x）E＊x＋g＞o，／U（X）一O（1）其中M一（m；。）为nXn矩阵（不必对称），q一切，q。，…，q。）rER“为给定常向量．通常情况下已有求解LCP（q，M）的若干著名算法［‘－’j．本文提出求解LCP（q，M）的一种新算法一行作用法，方法具有如下特点：（i）每次迭代只需n个简单的投影运算，每次投影只涉及矩阵M的一行；（n）生成新的迭代点x‘“‘时只利用前次迭代点／；（iii）对矩阵M不实施任何整体运算．因而适合于求解大型（巨型）稀疏问题，且…