一类广义隐互补问题的投影组合算法

隐互补问题在自然科学中的诸多领域有着广泛的应用.研究了一类广义隐互补问题.利用外梯度法的两种改进算法构造了新的投影迭代算法,并将其应用到这类广义隐互补问题中,研究了在伪单调的条件下算法的收敛性,并讨论了新算法的参数和校正步长的选择方法.     

一种改进的FastICA算法

FastICA算法是一种快速独立分量分析(Independent Component Analysis:ICA)算法,但它是基于牛顿迭代方法和合理近似的一种算法,所以具有改进空间.近年来提出了许多改进的具有更高阶收敛性质的牛顿迭代方法.将一种3阶收敛的牛顿迭代方法引入ICA算法的推导中,在合理近似的基础上,提出了一种改进的两步迭代FastICA算法.与传统FastICA算法相比,提出的改进的FastICA算法一次迭代的计算量有所增加.但是,实验结果表明,新提出的改进的FastICA算法更稳健、具有更快的收敛速度.     

一种改进的求解矩阵补全问题的原始-对偶算法

低秩矩阵补全问题作为一类在机器学习和图像处理等信息科学领域中都十分重要的问题已被广泛研究.一阶原始-对偶算法是求解该问题的经典算法之一.然而实际应用中处理的数据往往是大规模的.针对大规模矩阵补全问题,本文在原始-对偶算法的框架下,应用变步长校正技术,提出了一种改进的求解矩阵补全问题的原始-对偶算法.该算法在每一步迭代过程中,首先利用原始-对偶算法对原始变量和对偶变量进行更新,然后采用变步长校正技术对这两块变量进行进一步的校正更新.在一定的假设条件下,证明了新算法的全局收敛性.最后通过求解随机低秩矩阵补全问题及图像修复的实例验证新算法的有效性.     

一种单位化的增量梯度算法

研究目标函数是若干光滑函数和的可分离优化问题,提出了一种单位化增量梯度算法.该算法每次子迭代只需要计算一个(或几个)分量函数的单位负梯度方向作为迭代方向.在一定条件下,证明了采用发散步长的单位化增量梯度算法的收敛性.作为应用,新算法和Bertsekas D P,Tsitsikils J N提出的(没有单位化)增量梯度算...     

无约束优化的超记忆梯度算法及其收敛特征

研究一种新的无约束优化超记忆梯度算法，算法在每步迭代中充分利用前面迭代点的信息产生下降方向，利用Wolfe线性搜索产生步长，在较弱的条件下证明了算法的全局收敛性。新算法在每步迭代中不需计算和存储矩阵，适于求解大规模优化问题。     

基于全牛顿步长求解凸二次规划问题的不可行内点算法

借助于全牛顿步长对凸二次规划问题提出了一种新的不可行内点算法.算法主要迭代由可行迭代步和中心路径邻域迭代步组成.其优点是线性搜寻方向是不需要的.最后证明算法迭代复杂性为O(nlogn/ε),与目前最好的不可行内点算法复杂性一致.     

求解P_*(κ)-阵线性互补问题的高阶仿射尺度内点算法

对P*(k)-阵线性互补问题提出了一种高阶内点算法.算法的每步迭代是基于线性规划原始-对偶仿射尺度算法的思想来确定迭代方向,再通过适当选取步长,得到算法的多项式复杂性.     

一类新的多步曲线搜索下的超记忆梯度法

研究一类新的求解无约束优化问题的超记忆梯度法,分析了算法的全局收敛性和线性收敛速率.算法利用一种多步曲线搜索准则产生新的迭代点,在每步迭代时同时确定下降方向和步长,并且不用计算和存储矩阵,适于求解大规模优化问题.数值试验表明算法是有效的.     

水平线性互补问题的广义中心路径跟踪算法

对水平线性互补问题提出了一种广义中心路径跟踪算法.任意的原始-对偶可行内点均可作为算法的初始点.每步迭代选择“仿射步”与“中心步”的凸组合为新的迭代方向,采用使对偶间隙尽可能减小的最大步长.算法的迭代复杂性为O(√nL).     

一种新的Godard盲均衡算法研究

盲均衡技术能消除码间干扰,补偿信道特性,正确恢复发送序列,是无线通信系统中的关键技术.分析了G odard算法中迭代步长对盲均衡算法收敛性能的影响,利用模糊神经网络的控制功能,提出一种新的利用模糊神经网络控制步长的G odard盲均衡算法.计算机仿真验证了其有效性.