排序方式： 共有3条查询结果，搜索用时 15 毫秒
1
1.
基于Glowinski的交替方向法和何炳生教授的改善步长的收缩算法,提出一个求解结构型变分不等式的加速随机方法.新方法的优势在于利用独立同分布的随机数来扩张步长,克服了传统的交替方向法中固定步长因子的缺点,证明了新方法的下降方向是可行的.在适当的假设条件下,给出新方法的性质,并证明新方法依概率收敛.通过对来自于金融和统计中问题的一系列数值试验,验证新方法的可行性和有效性. 相似文献
2.
邻近点算法(PPA)是一类求解凸优化问题的经典算法, 但往往需要精确求解隐式子问题,于是近似邻近点算法(APPA)在满足一定的近似规则下非精确求解PPA的子问题, 降低了求解难度. 本文利用近似规则的历史信息和随机数扩张预测校正步产生了两个方向, 通过随机数组合两个方向获得了一类凸优化的混合下降算法.在近似规则满足的情况下, 给出了混合下降算法的收敛性证明. 一系列的数值试验表明了混合下降算法的有效性和效率性. 相似文献
3.
凸优化问题的混合下降算法利用近似条件的已知信息和随机数扩张预测校正步得到了一组下降方向.而前向加速收缩算法利用高斯赛德尔迭代算法的技术,结合邻近点算法和近似邻近点算法的思想,构造了富有扩张性的下降方向.本文借鉴混合下降算法和前向加速收缩算法的思想,利用已有近似规则信息改善了混合下降算法的下降方向,得到了一类凸优化问题的加速混合下降算法.随后利用Markov不等式、凸函数性质和投影的基本性质等,实现了算法的依概率收敛证明.一系列数值试验表明了加速混合下降算法的有效性和效率性. 相似文献
1