一维优化的一个二阶收敛算法

本文利用函数局部逼近导出一个不利用目标函数二阶导数的一维优化方法.我们证明了该方法的二阶收敛性.我们给出的数值结果表明该方法和牛顿法的计算表现十分相似.     

非线性约束优化问题的一个新的全局收敛算法

对于非线性约束的优化问题.最近给出的各种SQP算法均采用罚函数技巧以保证算法的全局收敛性,因而都必须小心地调整惩罚参数。本文给出一个不依赖于惩罚参数、每步迭代的校正矩阵也不需正定且仍具有全局收敛性的SQP方法,而且罚函数形式简单、具有和约束函数同阶的光滑性.     

一个求解二阶锥规划的光滑牛顿算法

本文研究了二阶锥规划问题.利用新的最小值函数的光滑函数,给出一个求解二阶锥规划的光滑牛顿算法.算法可以从任意点出发,在每一步迭代只需求解一个线性方程组并进行一次线性搜索.在不需要满足严格互补假设条件下,证明了算法是全局收敛和局部二阶收敛的.数值试验表明算法是有效的.     

逆奇异值问题的一个二阶收敛算法

设$n+1$个$m\times n（m\geq n）$实矩阵$\{A_i\}_{i=0}^n$和给定的$n$个正数$\{\sigma_i^{*}\}_{i=1}^n$.本文研究如下的逆奇异值问题：求$n$个实数$\{c_i^{*}\}_{i=1}^n$,使得矩阵$A_0+c_1^{*}A_1+\cdots +c_n^{*}A_n$有奇异值$\{\sigma_i^*\}_{i=1}^n.$基于矩阵方程,我们给出了求解逆奇异值问题的一个新的算法,并证明了它的二阶收敛特性.该算法可以看成是Aishima[Linear Algebra and its Applications,2018,542：310-333]中逆对称特征值问题算法的推广.数值例子表明算法的有效性.     

一种具有全局收敛性的求解二阶锥规划的非精确光滑算法

在方程组方法框架下,给出了一种求解二阶锥规划的非精确光滑算法.在适当的条件下,证明了该算法具有全局收敛性.数值试验表明该算法对求解中大规模二阶锥规划是有效的.     

一维二阶椭圆型方程组的超收敛二次有限体积元方法

本文针对二阶椭圆型常微分方程组边值问题提出二次超收敛有限体积元方法,证明格式的H1和L2模误差估计,并给出应力佳点处的梯度超收敛估计.最后,编写计算格式的Fortran程序,用数值算例验证了理论分析的正确性和格式的有效性.     

约束优化问题的几类拟牛顿法

§1.引言 无约束优化的有效算法——拟牛顿法,自1976年由Garcia、Mangasarian和S.P.Han等人应用到约束优化问题以来,一直是非线性规划领域内潮流性课题。由于此类方法有良好的收敛性质因而很受欢迎。但复杂的一维搜索函数的引入也带来了一些显而易见的问题:(1)要求搜索函数有较好的性质而引出较强的假设条件;(2)罚因子的不确定性以及(3)算法产生的点列一般不可行,因而会使搜索方向子问题无可行解,导致算法失效。另外,子问题要用全部约束来构造,这又会增加计算量。     

四种无约束优化算法的比较研究

从数值试验的角度 ,通过对 3个测试问题 (其中构造了一个规模大小可变的算例 )的求解 ,对共轭梯度法、BFGS拟牛顿法、DFP拟牛顿法和截断牛顿法进行比较研究 ,根据测试结果的分析 ,显示截断牛顿法在求解大规模优化问题时具有优势 ,从而为大规模寻优算法的研究提供了有益的借鉴 .     

一个具有n步二阶收敛速率的算法

本文考虑求解非线性方程组。从非线性ABS算法出发,建立了一类新算法。这类新算法具有更好的收敛性质;与求解无约束最优化的数值方法相对照,在某种意义上原非线性ABS算法对应于共轭梯度法,而本文的算法则对应于变度量法。     

一类非线性二阶锥规划的非光滑牛顿法

本文研究了非线性二阶锥规划问题.利用投影映射将非线性二阶锥规划问题的KKT最优性条件转化成非光滑方程组,获得了一个修正的中心路径非光滑牛顿法.在适当的条件下保证方程组的B-次微分在任意点都可逆,并且证明算法具有全局收敛性.     

一维凸函数牛顿法的全局收敛性及其应用

牛顿法是求解非线性方程F（x)＝0的一种经典方法。在一般假设条件下，牛顿法只具有局部收敛性。本文证明了一维凸函数牛顿法的全局收敛性，并且给出了它在全局优化积分水平集方法中的应用。     

一种解决不等式约束优化问题的光滑牛顿法

本通过引入松弛变量和Fischer函数把带有不等式约束优化问题的K-T条件转化为一个等价的非线性系统，并引入一参数μ，从而提出了一种新的光滑牛顿法。在适当的条件下，证明了算法的全局收敛性，并提供了数值结果。     

不等式约束优化一个可行序列线性方程组算法

提出了求解非线性不等式约束优化问题的一个可行序列线性方程组算法. 在每次迭代中, 可行下降方向通过求解两个线性方程组产生, 系数矩阵具有较好的稀疏性. 在较为温和的条件下, 算法具有全局收敛性和强收敛性, 数值试验表明算法是有效的.     

强Wolfe线搜索下一个新的优化算法

本文主要研究了一个新的优化算法.首先,利用给出的新的公式和强Wolfe线搜索,证明了该算法在不要求搜索方向满足共轭性条件下具有充分下降性和全局收敛性;其次,利用目标函数为一致凸函数的假设,证明了该算法具有线性收敛速率;最后,利用数值试验,验证了新算法是有效的、可行的.     

二阶锥规划一个超线性收敛的非内部连续化算法

基于非光滑向量值最小函数的一个新光滑函数, 建立了二阶锥规划一个超线性收敛的非内部连续化算法. 该算法的特点如下: 首先, 初始点任意; 其次, 每次迭代只需求解一个线性方程组即可得到搜索方向; 最后, 在无严格互补假设下, 获得算法的全局收敛性、强收敛性和超线性收敛性. 数值结果表明算法是有效的.     

一维单个守恒型方程的二阶熵耗散格式

本文考虑一维单个守恒律方程，对其设计了一种非线性守恒型差分格式，此格式为二阶Godunov型的，用的是分片线性重构，重构函数的斜率是根据熵耗散得到的，格式满足熵条件，且数值实验表明格式具有非线性稳定性，在此格式中一个所谓的熵耗散函数起了很重要的作用，它在每个网格的计算中耗散熵，在文中我们给出了熵耗散函数应满足的条件，并给出了一种具体的构造形式，最后给出了一些数值算例，从中可看出熵耗散函数是如何抑制非物理振荡的，及格式对计算的有效性。     

非线性互补问题近似Newton法的二阶收敛性

本文给出了求解非线性互补问题近似Newton法二阶收敛性的一个条件，并且证明了在一定的条件下，有限差分Newton法具有二阶收敛性．     

变尺度快速二阶非线性优化算法在神经网络辨识中的应用

神经网络是非线性系统建模与辨识的重要方法 ,反向传播 (BP)算法常常用在神经网络的权值训练中 ,但是 BP算法的收敛速度慢 .本文提出一种变尺度二阶快速优化方法 ,在这种方法中用二阶插值法来优化搜索学习速率 ,然后将这一方法应用于神经网络的辨识中 ,仿真研究表明新算法有更快的收敛速度和更好的收敛精度 .     

一维问题的一种积分形式的流量重构算法

1引言我们考虑如下一维二阶椭圆边界值问题(-(β(x)p′)(x))′=f(x),x∈(a,b) p(a)=p(b)=0(1))其中β=β(x)是一恒正函数,且β∈H~1(a,b),f∈L~2(a,b)．事实上,在此条件下,我们可保证p∈H~2(a,b)(见[1],[2])．(1)之弱形式为：求p∈H_0~1(a,b)使得a(p,q)=(f,q),(?)q∈H_0~1(a,b),(2)其中a(p,q)=(?)_a~bβp′q′dx,(f,g)=(?)_a~bfqdx．给定(a,b)的一个分割α=x_0＜x_1＜…＜x_(n-1)＜x_n=b,令h=(?)(x_i-x_(i-1)),(?)_i表示通常相应于节点x_i的形状函数,即(?)_i是连续的分段线性函数且满足(?)_i(x_k)=δ_(ik),这里δ_(ik)=(?)i,k=0,1,…,n．又记V_h~0=span{(?)_1,(?)_2,…,(?)_(n-1)),取V_h~0作为p的逼近空间,则求解(1)的标准有限元格式为：求ph∈V_h~0使得     

无约束优化的一个充分下降共轭梯度算法

在修正PRP共轭梯度法的基础上,提出了求解无约束优化问题的一个充分下降共轭梯度算法,证明了算法在Wolfe线搜索下全局收敛,并用数值实验表明该算法具有较好的数值结果.