修正PRP共轭梯度方法求解无约束最优化问题

基于著名的PRP共轭梯度方法,利用CG_DESCENT共轭梯度方法的结构,本文提出了一种求解大规模无约束最优化问题的修正PRP共轭梯度方法。该方法在每一步迭代中均能够产生一个充分下降的搜索方向,且独立于任何线搜索条件。在标准Wolfe线搜索条件下,证明了修正PRP共轭梯度方法的全局收敛性和线性收敛速度。数值结果展示了修正PRP方法对给定的测试问题是非常有效的。     

修正PRP共轭梯度方法求解无约束最优化问题

基于著名的PRP共轭梯度方法,利用CG_DESCENT共轭梯度方法的结构,本文提出了一种求解大规模无约束最优化问题的修正PRP共轭梯度方法。该方法在每一步迭代中均能够产生一个充分下降的搜索方向,且独立于任何线搜索条件。在标准Wolfe线搜索条件下,证明了修正PRP共轭梯度方法的全局收敛性和线性收敛速度。数值结果展示了修正PRP方法对给定的测试问题是非常有效的。     

一类求解无约束优化问题的混合含参数共轭梯度法

正1引言考虑大规模无约束优化问题min f(x) from x∈R~n,(1)其中f(x)是一阶连续可微函数.共轭梯度法的基本迭代格式可描述为     

求解一类矩阵迹极小化问题的非线性共轭梯度法

本文研究了图分割问题中的矩阵迹极小化问题.利用半正定矩阵的Gramian表示,将该问题转化为无约束优化问题,设计了Armijo线搜索下的非线性共轭梯度方法进行求解.数值例子表明新方法是可行的.     

一类特殊矩阵方程的并行预处理变形共轭梯度算法

研究了求解一类矩阵方程AXB=C,提出了一种并行预处理变形共轭梯度法．该方法给出一种迭代法的预处理模式．首先给出的预处理矩阵是严格对角占优矩阵,构造并行迭代求解预处理矩阵方程的迭代格式,进而使用变形共轭梯度法并行求解．通过数值试验,预处理变形共轭梯度法与直接使用变形共轭梯度法相比较,该算法不仅有效提高了收敛速度,而且具有很高的并行性．     

求解对称特征值问题的修正Jacobi共轭预处理梯度法(英文)

对于对称特征值问题,基于对原有复杂Jacobi共轭条件的简化,提出了一种修正的Jacobi共轭预处理梯度法.在理论上证明了在求解单个端部特征值时修正方法与原始方法有着渐近等价的共轭性.而在求解多个端部特征值时,修正方法与原始方法展现出极为相似的收敛性,但其矩阵乘积运算更少,因而计算代价也更小.数值算例进一步验证了修正方法的有效性和优越性.     

一类新的共轭梯度法

本文提出了一类新的共轭梯度法，在算法的迭代过程中，迭代方向保持下降性，并在一类非精确性搜索条件下证明了其全局收敛性。     

某些数学方法在地震波反演问题求解中的应用

本文以地震波广义散射（包括透射、折射、反射、绕射等）为背景，对其反演问题的发展状况做了一个回顾．文中着重介绍了在地震波逆散射问题研究过程中，各种数学、物理的基本理论和基本假设是如何被应用于非线性偏微分方程这一复杂问题的求解过程的，同时，结合对地震波逆散射问题的认识，简单介绍了与之相关的数学方法及其在应用中存在的问题。     

求解无约束优化问题的两类修正的WYL共轭梯度方法

针对无约束优化问题,通过修正共轭梯度参数,构造新的搜索方向,提出两类修正的WYL共轭梯度法.在每次迭代过程中,两类算法产生的搜索方向均满足充分下降性.在适当条件下,证明了算法的全局收敛性.数值结果表明算法是可行的和有效的.     

一类新的共轭投影梯度算法

本文利用[5]引进的共轭投影的概念,结合堵丁柱［3］中的思想,提出一类新的共轭梯度投影算法．在一定的条件下,证明了该算法具有全局收敛性和超线性收敛速度．     

一种求解特征值问题的广义共轭梯度算法

本文基于阻尼块反幂法与子空间投影算法设计了一种求解特征值问题的广义共轭梯度算法,同时也实现了相应的计算软件包.然后对算法和计算过程进行一系列的优化来提高算法的稳定性、计算效率和并行可扩展性,使得本文的算法适合在并行计算环境下求解大规模稀疏矩阵的特征值.所形成的软件包不依赖于矩阵和向量的具体结构,可以应用于任意的矩阵向量结构.针对几种典型矩阵的测试结果表明,本文的算法和软件包不但具有良好的数值稳定性和可扩展性,同时相比于SLEPc软件包中的LOBPCG (locally optimal block preconditioned conjugate gradient)和Jacobi-Davidson解法器有2至6倍的效率提升.软件包的网址是https://github.com/pase2017/GCGE-1.0.     

一类共轭梯度算法的全局收敛性

本文证明了一类共轭梯度算法的全局收敛性,其中参数βk满足|βk|≤β,并且αk满足放宽了的强Wolfe线搜索（max｛σ1,σ2｝≤1／2）．     

一类共轭梯度法的全局收敛性

共轭梯度法是求解大规模元约束优化同题的一种有效方法，本文提出一种新的共轭梯度法，证明了在推广的Wolfe线搜索条件下方法具有全局收敛性。最后对算法进行了数值试验，试验结果表明该算法具有良好的收敛性和有效性。     

无约束优化的一类共轭梯度法

本文给出了一类具有４个参数的共轭梯度法，并且分析了其中两个子类的方法。证明了在步长满足更一般的Ｗｏｌｆｅ条件时，这两个子类的方法是下降算法。同时还证明了这两个子类算法的全局收敛性。     

求解加权线性最小二乘问题的一类预处理GAOR方法

为了快速求解一类来自加权线性最小二乘问题的2×2块线性系统,本文提出一类新的预处理子用以加速GAOR方法,也就是新的预处理GAOR方法.得到了一些比较结果,这些结果表明当GAOR方法收敛时,新方法比原GAOR方法和之前的一些预处理GAOR方法有更好的收敛性.而且,数值算例也验证了新预处理子的有效性．     

求解大规模问题的谱共轭梯度法（英文）

共轭梯度法是求解大规模无约束优化问题的一类重要方法.由于共轭梯度法产生的搜索方向不一定是下降方向,为保证每次迭代方向都是下降方向,本文提出一种求解无约束优化问题的谱共轭梯度算法,该方法的每次搜索方向都是下降方向.当假设目标函数一致凸,且其梯度满足Lipschitz条件,线性搜索满足Wolfe条件时,讨论所设计算法的全局收敛性.     

一类新型DL共轭梯度法研究

提出了求解无约束优化问题的新型DL共轭梯度方法. 同已有方法不同之处在于,该方法构造了一种修正的Armijo线搜索规则,它不仅能给出当前迭代步步长, 而且还能同时确定计算下一步搜索方向时需要用到的共轭参数值. 在较弱的条件下, 建立了算法的全局收敛性理论. 数值试验表明,新型共轭梯度算法比同类方法具有更好的计算效率.     

一类概率问题的求解方法

在学习中,经常遇到这样一类问题:将几个元件经过连接组成一个系统,计算此系统正常工作的概率(各元件有相同或不同的正常工作的概率)．笔者经过研究,发现此类问题都可以通过分解系统结构,利用基本结论来解决．无论系统是简单还是复杂．其最基本的形     

广义特征值极小扰动问题的一类黎曼共轭梯度法

研究含参数$l$非方矩阵对广义特征值极小扰动问题所导出的一类复乘积流形约束矩阵最小二乘问题.与已有工作不同,本文直接针对复问题模型,结合复乘积流形的几何性质和欧式空间上的改进Fletcher-Reeves共轭梯度法,设计一类适用于问题模型的黎曼非线性共轭梯度求解算法,并给出全局收敛性分析.数值实验和数值比较表明该算法比参数$l=1$的已有算法收敛速度更快,与参数$l=n$的已有算法能得到相同精度的解.与部分其它流形优化相比与已有的黎曼Dai非线性共轭梯度法具有相当的迭代效率,与黎曼二阶算法相比单步迭代成本较低、总体迭代时间较少,与部分非流形优化算法相比在迭代效率上有明显优势.     

一类广义多项式互补问题的光滑化共轭梯度法

本文研究了一类广义多项式互补问题,在一定条件下,证明了其有唯一解.通过极大极小转化技术,将此类广义多项式互补问题转化为光滑化无约束优化问题进行求解,并提出了一种新的光滑化共轭梯度法.在一定假设条件下,证明了该方法的全局收敛性.最后相关的数值实验表明了算法可以有效求解广义多项式互补问题.