一个投影收缩算法的新步长

本文研究了求解单调变分不等式问题的一个投影收缩算法.利用何炳生教授的分析手法,给出了新步长,并且证明了在该步长下算法的全局收敛性.初步的数值试验表明了新步长的实用性.     

集值混合变分不等式的一类自适应惯性投影次梯度算法

本文在实Hilbert空间上引入了一类求解集值混合变分不等式新的自适应惯性投影次梯度算法.在集值映射T为f-强伪单调或单调的条件下,我们证明了由该自适应惯性投影次梯度算法所产生的序列强收敛于集值混合变分不等式问题的的唯一解.     

求解伪单调变分不等式的两种投影算法

本文提出了两种求解伪单调变分不等式的定步长的投影算法．这与Solodov ＆ Tseng(1996)和He(1997)的变步长策略不同．我们证明了算法的全局收敛性，并且还在一定条件下证明了算法的Q-线性收敛性．     

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．     

关于外梯度法的步长规则

１．引言 设为Ｒｎ中的一个非空闭凸集,Ｆ（ｘ）为Ｒｎ　Ｒｎ中的一个连续向量函数．变分不等式问题（Ｆ,）就是：找一向量ｘ　使得当 ＝Ｒ时,（１．１）退化成非线性互补问题。在这篇文章中总假定：（Ｈ１） ,这里表示（１．１）的解集;（Ｈ２）Ｆ（ｘ）是单调的,即对,（ｘ－ｙ）（Ｆ（ｘ）－Ｆ（ｘ）－Ｆ（ｙ））． 这类问题出现在工程物理、经济管理等领域,有着极为广泛的应用．因此,其数值解近年来受到重视,提出许多有效算法,见综述［１, ２］．在现有的算法中, Ｋｏｒｐｅｌｅｖｉｃｈ的外梯度法［３］（何炳生称它为投影…     

求解非单调变分不等式的一种二次投影算法北大核心CSCD

投影算法是求解变分不等式问题的主要方法之一.目前,有关投影算法的研究通常需要假设映射是单调且Lipschitz连续的,然而在实际问题中,往往不满足这些假设条件.该文利用线搜索方法,提出了一种新的求解非单调变分不等式问题的二次投影算法.在一致连续假设下,证明了算法产生的迭代序列强收敛到变分不等式问题的解.数值实验结果表明了该文所提算法的有效性和优越性.     

广义混合拟变分不等式解的存在性及算法

应用辅助变分不等式技巧研究一类广义混合拟变分不等式解的存在性和迭代算法.所得到的结果回答了Noor提出的公开问题,改进和推广了一些较近的已知结果.     

关于一个非线性变分不等式系统的逼近可解性

本文研究了一个包含两个不同松弛强制映像的非线性变分不等式系统的逼近可解性. 利用数值和逼近的方法, 分析了一个新的迭代序列,改进和推广了近年来的一些最新结果.     

非Lipschitz集值混合变分不等式的一个投影次梯度方法

建立了一个投影次梯度方法来求解一类集值混合变分不等式,其中相关的映象不必是Lipschitz连续的．在合适的条件下,证明了在Hilbert空间中该方法产生的序列强收敛于问题的唯一解．     

一类(H,η)-单调算子的变分包含组

在Hilbert空间中,引入并研究一类新的关于(H,η)-单调算子的广义变分包含组问题.利用预解算子技巧和不动点定理证明了这类变分包含组解的存在性和唯一性.     

求单调变分不等式隐式方法的一个单调下降性质

1　引　　言变分不等式在数学规划中起着很重要的作用 ,许多研究者 [3 ]讨论了这一问题 .对于单调线性变分不等式问题 ,文 [4 -7]提出了几种投影收缩算法 ( PC) .最近文 [7]中研究了如下的一类变分不等式问题( VI)　　 u∈Ω ,　　 ( v -u) TF( u)≥ 0 ,　　 v∈Ω . ( 1 )其中Ω Rn 是一个闭凸集 ,F是 Rn到自身的连续单调映射 ,即F( u) -F( v) T( u -v)≥ 0 ,　　　 u,v∈ Rn. ( 2 )由 [1 ]知 ,对于任意的 β>0 ,变分不等式 ( 1 )等价于投影方程于是求解 ( 1 )即是寻求e( u,β)∶ =u -PΩ[u -βF( u) ]的零点 .本文中 Ω*表示 ( …     

Wolfe步长规则下约束优化问题的共轭梯度投影算法

本文研究了约束优化问题min x∈Ωf(x).利用共轭梯度算法与GLP梯度投影思想相结合的方法,构造了一个新的共轭梯度投影算法,并在Wolfe线搜索下获得了该算法的全局收敛性结果.     

STRONG CONVERGENCE OF AN INERTIAL EXTRAGRADIENT METHOD WITH AN ADAPTIVE NONDECREASING STEP SIZE FOR SOLVING VARIATIONAL INEQUALITIES

In this work,we investigate a classical pseudomonotone and Lipschitz continuous variational inequality in the setting of Hilbert space,and present a projection-type approximation method for solving this problem.Our method requires only to compute one projection onto the feasible set per iteration and without any linesearch procedure or additional projections as well as does not need to the prior knowledge of the Lipschitz constant and the sequentially weakly continuity of the variational inequal...     

一类拟变分包含问题带误差的迭代算法

本文研究了一类带误差的拟变分包含问题的迭代算法.利用黏性逼近法,获得了拟变分包含问题的迭代算法的强收敛结果,将最近一些文献的相应结果从迭代算法推广到带误差的迭代算法.     

新非单调线搜索规则的Lampariello修正对角稀疏拟牛顿算法

本文设计了求解无约束最优化问题的新的非单调线搜索规则的Lampariello修正对角稀疏拟牛顿算法.新的步长规则类似于Grippo非单调线搜索规则并包含Grippo非单调线搜索规则作为特例.新的步长规则在每一次线搜索时得到一个相对于Grippo非单调线搜索规则的较大步长,同时保证算法的全局收敛性.数值例子表明算法是有效的,适合求解大规模问题.     

关于两个非线性算子的一个分裂方法(英文)

<正>This paper generalizes a class of projection type methods for monotone variational inequalities to general monotone inclusion.It is shown that when the normal cone operator in projection is replaced by any maximal monotone operator,the resulting method inherits all attractive convergence properties of projection type methods,and allows an adjusting step size rule.Weaker convergence assumption entails an extra projection at each iteration.Moreover,this paper also addresses applications of the resulting method to convex programs and monotone variational inequalities.     

关于一类变分不等式的迭代算法

本文通过对「１」中相应结构的讨论与改进,利用变分不等式求解技巧,讨论了Ｈｉｌｂｅｒｔ空间中一类广义变分不等式的解的迭代算法及其收敛性,指出了文「１」中主要结果的证明的一些不足之处,本文所得结果推广并改进了「１」的相应结论。     

拟变分包含与不动点问题公共解的迭代算法

By introducing the resolvent operator associated with a maximal monotone mapping, the author obtains a strong convergence theorem of a generalized iterative algorithm for a class of quasi-variational inclusion problems, which extends and unifies some recent results.     

AN IMPLEMENTABLE ALGORITHM AND ITS CONVERGENCE FOR GLOBAL MINIMIZATION WITH CONSTRAINS

With the integral-level approach to global optimization, a class of discontinuous penalty functions is proposed to solve constrained minimization problems. In this paper we propose an implementable algorithm by means of the good point set of uniform distribution which conquers the default of Monte-Carlo method. At last we prove the convergence of the implementable algorithm.