基于共轭梯度的锥模型信赖域算法

1引 言 本文考虑求解无约束优化问题 minf(x),x∈Rn, (1.1) 其中f(x)在Rn上连续二阶可导.大部分求解无约束优化问题的算法都是基于迭代的思想形成一个近似函数,然后极小化该函数.近似函数通常都采用二次函数,本文研究采用锥函数作为近似函数的锥模型算法.锥模型方法是Davidon于1980年在文献[2]中首次提出来的,随后Sorensen[16],Ariyawansa[1]等对锥模型进行了线搜索策略的研究.Di和Sun[5][18],诸梅芳[20],Xu[19]等对锥模型信赖域方法进行了研究.     

求解无约束优化问题的分式模型信赖域算法

本文提出一个求解无约束优化问题的分式模型信赖域拟Newton算法.在新算法中,分式模型信赖域子问题是用简单折线法求解的.在合理假设条件下,算法的全局收敛性获得了证明.数值实验结果表明新算法是可行、有效的.     

无约束最优化锥模型拟牛顿信赖域方法的收敛性(英)

本文研究无约束最优化雄模型拟牛顿信赖域方法的全局收敛性．文章给出了确保这类方法全局收敛的条件．文章还证明了，当用拆线法来求这类算法中锥模型信赖域子问题的近似解时，确保全局收敛的条件得到满足     

解线性约束优化问题的新锥模型信赖域法

本文提出了一个解线性等式约束优化问题的新锥模型信赖域方法.论文采用零空间技术消除了新锥模型子问题中的线性等式约束,用折线法求解转换后的子问题,并给出了解线性等式约束优化问题的信赖域方法.论文提出并证明了该方法的全局收敛性,并给出了该方法解线性等式约束优化问题的数值实验.理论和数值实验结果表明新锥模型信赖域方法是有效的,这给出了用新锥模型进一步研究非线性优化的基础.     

多复变数完全拟凸映射的分解定理

设Ω_1C~(n1),Ω_2C~(n2)为凸的Reinhardt域,f(z,w)=(f1(z,w),f2(z,w))'为Ω_1×Ω_2上的正规化全纯映射.本文证明f为Ω_1×Ω_2上的正规化双全纯完全拟凸映射当且仅当 f(z,w)=(Φ_1(z),Φ_2(w))'其中φj:Ωj→C~(nj)是Ωj(j=1,2)上的正规化双全纯完全拟凸映射。     

解线性约束优化问题的新锥模型信赖域3法

本文提出了一个解线性等式约束优化问题的新锥模型信赖域方法．论文采用零空间技术消除了新锥模型子问题中的线性等式约束，用折线法求解转换后的子问题，并给出了解线性等式约束优化问题的信赖域方法．论文提出并证明了该方法的全局收敛性，并给出了该方法解线性等式约束优化问题的数值实验．理论和数值实验结果表明新锥模型信赖域方法是有效的，这给出了用新锥模型进一步研究非线性优化的基础．     

余弦定理与向量

1如以x_a,x_b,x_c分别表示三角形三边a,b,c上首尾相接的向量,则x_a x_b x_c=0.所以内积(x_a.x_a)=[-(x_b x_c)]-[(x_b x_c)]或x_a~2=(x_b x_c)~2=x_b~2 x_c~2 2(x_b.x_c).其标量式:a~2 b~2 c~2 2bc.cos(π-A)=b~2 c~2-2bccos A即为三角形的余弦定理.进而考虑任一有向角折线:∑n     

结合有效集和多维滤子技术的拟Newton信赖域算法(英文)

针对界约束优化问题,提出一个修正的多维滤子信赖域算法.将滤子技术引入到拟Newton信赖域方法,在每步迭代,Cauchy点用于预测有效集,此时试探步借助于求解一个较小规模的信赖域子问题获得.在一定条件下,本文所提出的修正算法对于凸约束优化问题全局收敛.数值试验验证了新算法的实际运行结果.     

解无约束最优化的基于锥模型的过滤集- 信赖域方法

锥模型优化方法是一类非二次模型优化方法, 它在每次迭代中比标准的二次模型方法含有更丰富的插值信息. Di 和Sun (1996) 提出了解无约束优化问题的锥模型信赖域方法. 本文根据Fletcher 和Leyffer (2002) 的过滤集技术的思想, 在Di 和Sun (1996) 工作的基础上, 提出了解无约束优化问题的基于锥模型的过滤集信赖域算法. 在适当的条件下, 我们证明了新算法的收敛性. 有限的数值试验结果表明新算法是有效的.     

解新锥模型信赖域子问题的折线法

本文以新锥模型信赖域子问题的最优性条件为理论基础,认真讨论了新子问题的锥函数性质,分析了此函数在梯度方向及与牛顿方向连线上的单调性.在此基础上本文提出了一个求解新锥模型信赖域子问题折线法,并证明了这一子算法保证解无约束优化问题信赖域法全局收敛性要满足的下降条件.本文获得的数值实验表明该算法是有效的.     

外部边界球可达域上拟共形映射的Lipschitz连续性

定义了外部边界球可达域,利用曲线族的模获得如下结果:设D是R~n中的有界拟凸域,f:D→B~n是K-拟共形映射,若D是外部边界球可达域,则f∈Lip_α(D),其中α=K~(1/(1-n)).     

基于锥模型的一般信赖域算法收敛性分析

本文给出了锥模型信赖域算法的一般模型，它不仅包含通常的信赖域算法一相当于锥模型算法中bk＝0的情形，而且文献[1]的算法也可看作其子类．我们研究这个模型的较强的全局收敛性，并讨论保证算法具有超线性收敛速率的条件，从而推广了文[1]和文[4]中的若干结果．     

拟共形映射和Plump域

设fL:Rn→Rn是一同胚,证明了f是K-拟共形映射当且仅当对任给的常数c≥1,存在c*≥1,使得任一 c-Plump域在f下的像是c*-Plump域.其中在必要性中c*=c*(n,K,c)是仅与n,K和c有关的常数,在充分性中K=K(n,c,c*)是仅与n,c和c*有关的常数.     

用 Q[f]矩阵确定有限域上多项式的结构

<正> 有限域的理论在编码中得到了广泛的应用.有限域上的多项式的可约性与该域上的(?)[f]矩阵密切相关.设 f(x)为 GF(q)上一个 n 次多项式,从同余式 x~(q~(i-1))≡(?)modf(x)(i=1,2,…,n),得到矩阵     

一个锥模型的自适应信赖域算法及其收敛性

本文研究了无约束最优化问题的基于锥模型的自适应信赖域算法.利用理论分析得到一个新的自适应信赖域半径.算法在每步迭代中以变化的速率、当前迭代点的信息以及水平向量信息调节信赖域半径的大小.从理论上证明了新算法的全局收敛性和Q-二阶收敛性.用数值试验验证了新算法的有效性.推广了已有的自适应信赖域算法的可行性和有效性.     

关于换列拟Newton法

由于拟Newton法具有超线性收敛性,而其每步的计算量仅为Newton法的O(1/n),因此,被认为是解多变量非线性方程组的有效方法。近十余年来,人们对这类方法已经提出各种计算方案,并且把它们应用于解非线性方程组和优化问题。此外,由于大量常见的非线性方程组的稀疏性特征,近年来人们对于解稀疏非线性方程组的拟Newton法的研究日益增加。     

新题征展(68)

A题组新编1.(1)已知等差数列{an}的前n项和为Sn,若Sm=Sn(m≠n),则Sm+n=;(2)已知函数f(x)=ax2+bx,若f(m)=f(n)(m≠n),则f(m+n)=;(3)已知函数f(x)=ax2+bx+c(a≠0),若f(m)=f(n)(m≠n),则f(m+n)=.2.(1)已知等差数列{an}的前n项和为Sn,若Sm=n,Sn=m(m≠n),则Sm+n=;(2)等差数列{an}的前n项和为Sn,若Sm=a,Sn=b(m≠n),则Sm+n=;(3)已知函数f(x)=ax2+bx(a≠0),若f(m)=t,f(n)=s(m≠n),则f(m+n)=;(4)f(x)=ax2+bx+c(a≠0),若f(m)=t,f(n)=s(m≠n),则f(m+n)=.3.(1)在周长为定值l的直角三角形中,怎样的三角形面积最大?最大面积是多少?请详述理由;(2)在…     

一种基于新锥模型的自适应信赖域算法

本文提出一种自动确定信赖域半径的新锥模型信赖域算法.该算法在每步迭代中利用以前迭代点的二次信息和水平向量信息自动产生一个信赖域半径.且证明了全局收敛性及超线性收敛性,数值结果验证了新算法的有效性.     

一类锥模型非单调信赖域算法及收敛性分析

本文对无约束优化问题提出了一类基于锥模型的非单调信赖域算法.二次模型非单调信赖域算法是新算法的特例.在适当的条件下,证明了算法的全局收敛性及Q-二次收敛性.     

矩阵特征理论在递归关系上的应用

众所周知 ,求解常系数线性齐次递归关系的方法比较多 .例如 ,差分方法 ,生成母函数法等 .本文说明怎样利用矩阵的理论求解线性递归关系的矩阵法 ,而对线性递归关系非齐次也作了简短讨论 .令f (n) =pf (n -1 ) qf (n -2 )　 (n =2 ,3 ,… ,n) (1 )其中 p,q都是复数域上的数 ,初值 f (0 ) ,f (1 ) ,求 f (n)的通项公式 .下面利用矩阵的工具说明怎样求 f (n) .我们把 (1 )改写成f (n 2 ) =pf (n 1 ) qf (n)　 (n =0 ,1 ,2 ,… ) (2 )根据 f (n 2 ) =pf (n 1 ) qf (n) ,f (n 1 ) =f (n 1 ) ,　即f (n 2 )f (n 1 ) =p　 q1…