一类正则化参数自由的线性约束凸优化问题的预测-校正算法

我们对文章的结构做这样的安排:第二节给出本文需要的预备知识;第三节简述单个目标函数问题(1.1)的己有算法和求解可能遇到的困难,第四节给出解决问题的预测-校正方法;第五节和第六节对问题(1.2)分别陈述己有方法的固有困难和我们提出的解决方案.最后,在第七节中,我们为提出的方法给出统一的算法框架,证明这类算法的收敛性和遍历意义下的收敛速率,同时给出我们的一些结论.     

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…     

论求解单调变分不等式的一些投影收缩算法

论求解单调变分不等式的一些投影收缩算法何炳生（南京大学）ＯＮＳＯＭＥＰＲＯＪＥＣＴＩＯＮＡＮＤＣＯＮＴＲＡＣＴＩＯＮＭＥＴＨＯＤＳＦＯＲＳＯＬＶＩＮＧＭＯＮＯＴＯＮＥＶＡＲＩＡＴＩＯＮＡＬＩＮＥＱＵＡＬＩＴＩＥＳ￥ＨｅＢｉｎｇ－ｓｈｅｎｇ（Ｎａｍｉｎ...     

Goldstein, Levitin-Polyak投影法中的一个可行步长准则

１引　言设Ω是Ｒｎ空间的一个非空的凸闭紧子集,Ｆ是Ｒｎ→Ｒｎ的算子．我们考虑变分不等式问题： 变分不等式问题在数学规划中起着很重要的作用,因此,长期以来一直受到广泛的重视．求解变分不等式问题的方法中,有一类投影迭代方法,例如［１,４,６,９］．在所有的投影迭代方法中,Ｇｏｌｄｓｔｅｉｎ［６］,Ｌｅｖｉｔｉｎ－Ｐｏｌｙａｋ［９］所提出的方法;是最简单的．这里,ＰΩ（ｘ）是ｘ在　上的投影,即　的唯一解． 我们称算子Ｆ在集合Ω上是单调的,若在用Ｇｏｌｄｓｔｅｉｎ,Ｌｅｖｉｔｉｎ－Ｐｏｌｙａｋ方法（２）求…     

带框形约束的线性规划问题的鞍点法

根据作者最近提出的求解线性规划问题的鞍点法[3],本文对带框形约束的问题 min c~Tx, s,t A_x=b, l≤x≤h,给出简单的迭代公式.该法的主要优点是它的强收敛性和它的迭代公式非常容易实现.     

一类求解凸规划的鞍点法

根据凸规划的Kuhn-Tucker定理,有a)假如(x~*,y~*)是L(x,y)在D上的鞍点,那么 (1)x~*是(CP)问题的最优解,     

PPA BASED PREDICTION-CORRECTION METHODS FOR MONOTONE VARIATIONAL INEQUALITIES

In this paper we study the proximal point algorithm (PPA) based prediction-correction (PC) methods for monotone variational inequalities. Each iteration of these methods consists of a prediction and a correction. The predictors are produced by inexact PPA steps. The new iterates are then updated by a correction using the PPA formula. We present two profit functions which serve two purposes: First we show that the profit functions are tight lower bounds of the improvements obtained in each iteration. Based on this conclusion we obtain the convergence inexactness restrictions for the prediction step. Second we show that the profit functions are quadratically dependent upon the step lengths, thus the optimal step lengths are obtained in the correction step. In the last part of the paper we compare the strengths of different methods based on their inexactness restrictions.