论优化问题的公理方法（V）——优化集合的代数表达式

本文主要结果为定理２．由此可推出一种迭代算法，还讨论了连摹乘并形式，从而嘉量原理得到进一步推广。     

论优化问题的公理方法（Ⅰ）

π－簇表示论域Ω上具有性质π的集合簇：≠；当Ａ，Ｂ∈，Ｂ∈，ＸＡ，总有Ｘ，Ａ∪Ｂ∈．定义２在π－簇上，＊是优化算子，如果公理１Ａ对应唯一的子集合Ａ＊．写Ａ＝Ａ＊∪，Ａ＊∩Ａ＝；公理２；．定义３在定义２中，还满足公理３若ＡＣ，则ＡＣ；公理４（Ａ＊∪Ｂ）＊（Ａ∪Ｂ），则说算子＊是上的第一类优化算子．对此，建立了两个优化原理，还给出了几个关于这种算子＊的例子．     

一种迭代方法的改进

本对《工科数学》1994年第三期上的《一种有效的迭代方法》一中所提出的迭代法进行了改进，在保留了原迭代法的全都优点的基础上，提高了收敛速度，因此，新迭代法优于原迭代法。     

论优化问题的公理方法（Ⅲ）

在建立了可交换半群｛Ω，｝上的簇Ｆ及其上的第一类优化算子＊概念之后，得到本文主要结果定理４和定理５。然后证明了首Ｎ阶优化算子，非劣算子以及摹多项式簇上的算子［１，２］都是第一类优化算子，与它们相关的优化集合簇Ｎ－ＴＨ，ＰＡＲＥＴＯ及ＥＳＳＥＮＣＥ都是广义优选半域。让它们赋值于多阶段有向图上，它们都服从于嘉量原理     

认股权证隐含波动率迭代算法的改进

为了有效估计认股权证的隐含波动率,以及有利于观测权证的市场风险,对常用的迭代算法进行改进可加快计算速度.利用认股权证的Delta、Vega和Theta值以及多元泰勒公式导出认股权证隐含波动率变化与权证价格变化关系的不等式.根据导出的这个不等式给出了具体算法.实证结果说明这一算法改进了原有的算法,从而这个算法解决了原来的随意给定一个价格后不断修正的算法.     

有限个平衡问题与非扩张映象不动点问题的复合迭代方法

在Hilbert空间中引进并研究一种新的复合粘性迭代算法,借以寻求有限个平衡问题的公共解集与非扩张映象不动点集的一个公共元素.所得结果改进并推广了最近一些人的最新结果.     

Hilbert空间中分裂可行性问题的改进Halpern迭代和黏性逼近算法

在无限维Hilbert空间中,提出了求解分裂可行性问题（SFP）的改进Halpern迭代和黏性逼近算法,证明了当参数满足一定条件时,由给定算法生成的序列强收敛到分裂可行性问题的一个解.这些结论推广了Deepho和Kumam近年来的一些结果     

非线性时滞反应扩散有限差分方程组的高阶单调迭代方法

对一类非线性时滞反应扩散方程的有限差分方程组建立了一类高阶单调迭代方法.这类方法给出了一个有效的线性迭代算法.迭代序列单调收敛于方程组的唯一解,并且序列的单调性使得每一步迭代都给出了解的改进的上下界.迭代收敛率具有p+2阶,这里p≥1是一个正整数,它依赖于迭代方法的构造.数值结果显示了方法的有效性.     

Waring问题的重要进展：迭代方法的改进

近些年来，Ｗａｒｉｎｇ问题取得了重要的进展。本文主要阐明了Ｗａｒｉｎｇ问题研究中迭代方法的发展历史以及最近的重要改进，给出了Ｇ（ｋ）（表示使得每个充分大的自然数都能表成至多是ｓ个正数数ｋ次方之和的最小ｓ）的最新上界的证明思路，使得具有大学数学专业水平的读者在阅读后对这个著名问题会有比较深入的了解。文章最后指出了Ｖａｕｇｈａｎ的ｐ－ａｄｉｃ迭代方法可应用到非齐次的Ｗａｒｉｎｇ问题（Ｗａｒｉｎｇ型问题     

鞍点问题的修正对称超松弛迭代算法

为了提高求解鞍点问题的迭代算法的速度,通过设置合适的加速变量,对修正超松弛迭代算法（简记作MSOR-like算法）和广义对称超松弛迭代算法（简记作GSSOR-like算法）进行了修正,给出了修正对称超松弛迭代算法,即MSSOR-like （modified symmetric successiveover-relaxation）算法,并研究了该算法收敛的充分必要条件.最后,通过数值例子表明,选择合适的参数后,新算法的迭代速度和迭代次数均优于MSOR-like （modified successive overrelaxation）和GSSOR-like （generalized symmetric successive over-relaxation）算法,因此,它是一种较好的解决鞍点问题的算法.     

一个关于非对称距离的旅行商问题的迭代算法

本对非对称距离的旅行商问题，给出了一个迭代算法，并分析了此迭代算法的复杂度为M^nO(N^4)，其中，N是问题中旅行商所要经过的城镇数，M是两城镇间的最大距离。最后用实例对此算法进行了验算和说明。     

高阶PageRank问题的一个两步分裂迭代算法

在一般PageRank问题的基础上,Gleich等结合了马尔科夫链的性质提出了高阶PageRank问题.基于Gleich等提出的几个算法,结合两步分裂迭代的思想提出了解高阶PageRank问题的一个两步分裂迭代算法.该算法能增加收敛的范围,并且减少算法的迭代步数.     

无约束优化问题模拟退火算法的改进

考虑如下无约束优化问题(Ｐ)　　　　　　　　　ｍｉｎｘ ｆ(ｘ)ｆ(ｘ)是Ｒｎ 中连续可微的函数 求解 (Ｐ)有多种有效方法 ,但基本上都只能保证求得 (Ｐ)的局部最优解 ,而不能保证求出整体最优解 1 983年 ,Ｋｉｒｋｐａｔｒｉｃｋ[1] 等人将固体退火过程与优化问题进行类比 ,提出了求组合优化问题整体最优解的模拟退火算法 这种方法与以往的一些算法相比 ,具有描述简单 ,使用灵活运行效率高和较少受初始条件限制等优点 ,而且特别适合并行计算 ,因此引起了广泛注意及进一步的工作[2 ] 受此方法的启发 ,1 987年 ,Ｃｈｉａｎｇ[3 ] 等人提…     

解全局优化问题的仿生类算法（Ⅰ）——模拟进化算法

模拟进化计算与人工神经网络是近年业信息科学、人工智能与计算机科学的两大“热点”研究领域，由此所派生的求解优化问题的仿生类算法（遗传算法、演化策略、进化程序、神经优化、免疫系统等），由于其鲜明的生物背景、新颖的设计原理、独特的分析方法和成功的实用实践，正日益形成最优化理论与方法的一个崭新分支，本文扼要介绍这一新分支的形成，发展与现状，提出仿生类算法当前研究的的热点与待解决问题，以引起数学工作者的广泛     

求最短路问题的改进算法

本对图论中含有负权的最短路问题的算法进行了讨论，给出了一个具有“可节省存储空间、提高运算速度、易编程实现”等优点的改进算法（算法三），并通过例题进一步验证了该改进算法的优越性，具有一定的现实意义。     

论算法的发展（Ⅰ）：组合优化的基本方法

用π＾（ｔ）－集合表示具有规定性质π＾（ｔ）的集合，π＾（ｔ）－对象是指具有规定结构的π＾（ｔ）－集合本身是具有空结构的π＾（ｔ）－对象。组合优化的问题ＸＹＺ是指：对于每一个π＾（ｔ）－集合，从其诸π＾（２）－对象中找出π＾（３）－优者。以最小生成的问题ＸＹＺ是指：对于每一个π＾（２）－对象中找出π＾（３）－优者，以最小生成林问题，平面凸壳问题及整序问题为实践背景，对于问题ＸＹＺ的一个实例Ｓ，把集     

求解l1极小化问题的Bregman迭代算法

在Tikhonov正则化方法的基础上将其转化为一类l1极小化问题进行求解,并基于Bregman迭代正则化构建了Bregman迭代算法,实现了l1极小化问题的快速求解.数值实验结果表明,Bregman迭代算法在快速求解算子方程的同时,有着比最小二乘法和Tikhonov正则化方法更高的求解精度.     

求解不等式约束优化问题的一个改进算法

本文改进了一个求解不等式约束优化问题的对偶算法，建立了一个相应的算法，进一步证明了该算法的收敛性．最后，给出数值结果以验证该算法的有效性。