成组 BFGS 修正的紧凑形式与成组记忆修正算法

１．引言实际问题中经常要遇到一族函数极小值问题的求解,即ｍｉｎｆｉ（ｘ）,ｉ＝１,...,Ｐ;（１．１）其中人：Ｒ\"、Ｒ具有公共的Ｈｅｓｓｉａｎ矩阵Ｇ（ｘ）。７'ｆｉ（ｘ）,ｒ是适中的数值．如在各种负载下的弹性体研究中,即要遇到问题（ｌ．Ｉ）的求解,其中人（Ｃ）一人Ｃ）＋ｑＣ十Ｃ;（＝１,...,...．对于不同的比则人（Ｘ）具有不同的极小点和不同的梯度Ｄ人（Ｘ）,但具有相同的Ｈｅｓｓｉａｎ矩阵Ｇ（Ｘ）．１９９４年,Ｏ'Ｌｅａｒｙ等【'］把拟一Ｎｅｗｔｏｎ算法推广至成组形式（ｍｕｌｔｉＰｌｅｖｅｒｓｉｏ...,…     

一个新的BFGS信赖域算法

本文对于无约束最优化问题提出了一个新的BFGS信赖域算法.利用BFGS方法和信赖域方法,提出了改进的BFGS信赖域方法.推广了文献[3,5]中的两种算法,得到一个新的BFGS信赖域算法,在适当条件下证明了算法的全局收敛性.     

非线性模型中M—估计量的大样本性质

在一些条件下,本文证明了非线性模型中M-估计量的存在性与一致性,作为进行大样本统计推断的重要步骤,本文导出了M-估计量的极限分布及其渐近方差的一致估计量。     

BFGS算法对非凸函数优化问题的收敛性

ＢＦＧＳ算法是无约束最优化中最著名的数值算法之一,对非凸函数ＢＦＧＳ算法是否具有整体收敛性,这是一个ｏｐｅｎ问题,本文考虑Ｗｏｌｆｏ线搜索下目标函数非凸的ＢＦＧＳ算法,我们给出一个使该算法收敛的充分条件。     

Stein控制估计量的损失函数之估计

本文获得了［１］中正态分布Ｎｐ（θ，Ｉ）均值θ的估计量Ｘ－１／Ｘ＇ＢＸＡＸ的风险之无偏估计ｐ－Ｘ＇Ａ＾２Ｘ／（Ｘ＇ＢＸ）＾２满足［２］中提出的条件（Ⅰ）的充分条件与必要条件，特别Ａ当为幂等阵时得到了充要条件，这是［２］提出的一个问题。本文还给出了Ｘ－１／Ｘ＇ＢＸＡＸ的损失的另一种估计，它满足［２］中的条件（Ⅰ）和（Ⅱ）。     

一类非单调保守BFGS算法研究

基于非单调线搜索在寻求优化问题最优解中的优越性,提出了一类新的非单调保守BFGS算法.同已有方法不同,该算法中用来控制非单调性程度的算法参数不是取固定值,而是利用已有目标函数和梯度函数的信息自动调整其取值,以改善算法的数值表现.在合适的假设条件下,建立了新的非单调保守BFGS算法的全局收敛性.用基准测试优化问题测试了算...     

非凸函数极小问题的BFGS算法

本对于非凸函数的无约束优化问题，给出一类修正的BFGS算法。算法的思想是对非凸函数的近似Hesse矩阵进行修正，得到下降方向，并且保证拟牛顿条件成立，当步长采用线性搜索一般模型时，证明了该算法的局部收敛性。     

无约束最优化的一个修正的类BFGS算法

利用前一步得到的曲率信息代替xk到xk+1段二次模型的曲率给出一个具有和BFGS类似的收敛性质的类BFGS算法,并揭示新算法与自调比拟牛顿法的关系.从试验函数库CUTE中选择标准试验函数,对比标准BFGS算法及其它改进BFGS算法进行数值试验.试验结果表明这个新算法的表现有点象自调比拟牛顿算法.     

强单调对称非线性方程组的BFGS算法

提出一种求解强单调非线性方程组的BFGS算法,该算法的一个明显优点是Bκ的条件数比Li-Fukushima^[3]提出的GNBFGS中Bκ的条件数小得多。且该算法是一种无需计算导数的下降算法。在一定的条件下,证明了算法的全局收敛性和超线性收敛性。最后进行数值试验,结果表明,本文算法具有较好的数值结果。而且验证了本文所提出的算法中Bκ的条件数要比GNBFGS算法的条件数小得多。     

求解一般约束优化问题的修正BFGS信赖域算法

借鉴无约束优化问题的BFGS信赖域算法,建立了非线性一般约束优化问题的BFGS信赖域算法,并证明了算法的全局收敛性．数值实验表明,算法是有效的．     

利用分解校正矩阵确定搜索方向的BFGS算法

本文把正定矩阵关于向量的等内积分解算法应用于改进BFGS算法中搜索方向的计算.通过建立不依赖于搜索方式的用分解矩阵表达的校正公式,给出了用Hesse近似矩阵的等内积分解矩阵确定搜索方向的BFGS算法.     

求解二次损失函数优化问题的分布式共轭梯度算法

提出一种在分布式环境中利用共轭梯度法优化二次损失函数的算法,该算法利用本地子机器局部损失函数的一阶导数信息更新迭代点,在每次迭代中执行两轮通信,通过通信协作使主机器上的损失函数之和最小化.经过理论分析,证明该算法具有线性收敛性.在模拟数据集上与分布式交替方向乘子法进行对比,结果表明分布式共轭梯度算法更匹配于集中式性能....     

新的非单调线搜索规则BFGS算法的全局收敛性

本文在Zhang H.C.的非单调线搜索规则的基础上,设计了求解无约束最优化问题的新的非单调线搜索BFGS算法,在一定 的条件下证明了算法的线性收敛性和超线性收敛性分析.数值例子表明算法是有效的.     

无约束最优化线搜索一般模型及BFGS方法的整体收敛性

本文给出了无约束最优化的算法中线性搜索的可接受的步长选择律的一种一般形式，它概括了大多数已有的步长律为其特例，并且研究了它基本性质，最后证明了此线性搜索一般模拟相结合的无约束优化的ＢＦＧＳ算法的整体收敛性。     

位置参数估计量的损失函数之估计

本文考虑损失函数的估计问题,分别对于球对称分布和均匀分布情形给出了其参数的J-S型估计量的损失之估计,它们满足[1]中提出的条件(Ⅰ)和(Ⅱ).     

抽样设计偏差的大样本性质

偏差（Ｄｉｓｃｒｅｐａｎｃｙ）作为布点设计均匀性的一个重要度量准则,已被使用很长时间,但对它的性质还研究得很不够．该文从模平移的方面系统地研究了偏差的性质,给出了在超立方体中一个布点设计按整体、大格子、小格子各种模平移的偏差大样本性质,这些性质对于计算机试验引进有关的设计和抽样方法起着重要的作用．     

向量损失函数下参数估计的容许性

在向量损失函数下，本文研究了在一般线性模型，多元线性模型和增长曲线模型中参数估计在给定估计类及一切类中的可容许性，给出了可容许的充要条件。     

基于BFGS修正的HSDY混合共轭梯度

本文研究了大规模无约束优化问题,利用BFGS逼近搜索方向,提出了两种关于HSDY方法的自适应共轭梯度算法(HSDY1和HSDY2).新算法具有充分下降性和全局收敛性.数值实验表明,新方法比HSDY的计算性能更优.     

集团分布式制造模式下生产调配优化模型研究及算法设计

基于分布式概念的集团分布式制造生产管理模式在市场中占据着越来越重要的地位,此种运营模式由制造型企业向服务型企业蔓延的趋势也越来越明显,然而针对这一具有自身特点的集团分布式概念下的生产管理模型的调度研究却很少。研究针对此生产管理模式下集团级的生产调配问题建立数学模型,综合考虑客户订单的分散情况、各分厂日生产能力限制和产品品种多样性的特点,采用改进的遗传算法求解该模型,提出一种基于订单和工厂的两段式非负整数染色体编码方法,保证了生产能力约束和订单约束,采用PMX交叉算法避免不合法染色体的出现。选取W集团一定计划期内的客户订单数据进行实例分析,验证了该生产调配模型和算法的有效性。     

建立在修正BFGS公式基础上的新的共轭梯度法

共轭梯度法是一类非常重要的用于解决大规模无约束优化问题的方法. 本文通过修正的BFGS公式提出了一个新的共轭梯度方法. 该方法具有不依赖于线搜索的充分下降性. 对于一般的非线性函数, 证明了该方法的全局收敛性. 数值结果表明该方法是有效的.