A Line Search and Trust Region Algorithm with Trust Region Radius Converging to Zero

In this paper, we present a new line search and trust region algorithm for unconstrained optimization problem with the trust region radius converging to zero. The new trust region algorithm performs a backtracking line search from the failed, point instead of resolving the subproblem when the trial step results in an increase in the objective function. We show that the algorithm preserves the convergence properties of the traditional trust region algorithms. Numerical results are also given.     

Dogleg路径信赖域方法

本文提出一类新的解无约束最优化问题的信整域方法。这类方法是通过对一般对称矩阵的Bunch-Parlett分解来产生搜索路径。它们既可以解目标函数是二次可微的也可以解目标函数是非二次可微的最优化问题，并且在由算法得到点列的任意聚点上，二次连续可微的目标函数的Hesse阵都是正定或半正定的。我们证明在一些较弱的条件下，算法是整体收敛的；对一致凸函数，是二次收敛的。一些数值结果表明这种新的方法是非常有效的。     

一类Dogleg路径信赖域方法

本文提出一类折线搜索的信赖域方法，用于解无约束最优化问题，这些方法通过对一般对称矩阵的Bunch-Parlett分解来产生搜索路径，我们证明在一些较弱的条件下，算法是整体收敛的，对一致凸函数，是二次收敛的，并且在由算法得到的点列的任意聚点上，连续可微的目标函数的Hesse阵都是正定或半正定的，一些数值结果表明这种新的方法是非常有效的。     

一个新的带线性搜索的信赖域算法

本文对于无约束最优化问题提出了一个新的信赖域方法。在该算法中采用的是线性模型，并且当试探步不成功的时候，采用线性搜索，从而减少了计算量。文中证明了在适当的条件下算法的全局收敛性。     

单值优化的非单调信赖域方法

提供了一种单值优化的非调信赖技术结合投影牛顿法的算法，在合理的条件下，证明了算法的整体收敛性和局部二阶收敛速率。     

无约束多目标规划的信赖域方法

本文将信赖域方法应用于多目标规划,提出了一类解多目标问题的新算法,并证明了全局收敛性。     

无约束优化的自适应信赖域方法

本文对无约束优化问题提出一个自适应信赖域方法,每次迭代都充分利用前迭代点的信息自动产生一个恰当的信赖域半径,在此区域内,二次模型与原目标函数尽可能一致,避免盲目的尝试,提高了计算效率。文中在通常条件下证明了全局收敛性及局部超线性收敛结果,给出了新算法与传统信赖域方法的数值结果,证实了新方法的有效性。     

求解线性不等式约束优化问题的一类信赖域算法

本文对线性不等式约束的非线性规划问题提出了一类信赖域算法,证明了算法所产生的序列的任一聚点为Ｋｕｈｎ－Ｔｕｃｋｅｒ点,并讨论了子问题求解的有效集方法．     

一类复合不可微规划的信赖域算法

提出了求解带线性的束的复不可微规划的信赖域算法,并证明了它的收敛性。     

A Trust Region Algorithm with Conjugate Gradient Technique for Optimization Problems

By means of a conjugate gradient strategy, we propose a trust region method for unconstrained optimization problems. The search direction is an adequate combination of the conjugate gradient direction and the trust-region direction. The global convergence and the quadratic convergence of this method are established under suitable conditions. Numerical results show that the presented method is competitive to the trust region method and the conjugate gradient method.     

线性约束多目标规划的非单调信赖域算法

本文对线性约束多规划问题提出了一类非单调信赖域算法 ,该方法是可行点法与信赖域技巧的结合 .在一定的条件下证明了算法的全局收敛性 .并进行了数值试验 .     

等式约束优化的组合信赖域与拟牛顿算法

本文对等式约束问题提出了一个种组合信赖域与拟牛顿算法。该算法的特点是若Lagrangian函数的近似Ｈessian阵在等式约束Jacobi阵的零空间正定的,则选择拟牛顿算法,否则用信赖域算法,在通常信赖域算法的收敛假设下,该文证明了组合算法的全局收敛性。     

无约束不可微观划的信赖域算法

提出了一种易实施的求无约束不可微规划的信赖域算法,并在一定条件下证明了该算法所产生的点列的任何聚点都是原问题的稳定点。     

使用信赖域策略的投影梯度方法解约束优化问题

本文使用信赖域策略结合投影梯度算法来解约束优化问题,并给出算法及其收敛性。进一步,给出了收敛点具有满足约束问题一阶和二阶必要性的性质。     

无约束最优化锥模型拟牛顿信赖域方法的收敛性(英)

本文研究无约束最优化雄模型拟牛顿信赖域方法的全局收敛性．文章给出了确保这类方法全局收敛的条件．文章还证明了，当用拆线法来求这类算法中锥模型信赖域子问题的近似解时，确保全局收敛的条件得到满足     

An ODE-Based Trust Region Filter Algorithm for Unconstrained Optimization

In this article, an ODE-based trust region filter algorithm for unconstrained optimization is proposed. It can be regarded as a combination of trust region and filter techniques with ODE-based methods. Unlike the existing trust-region-filter methods and ODE-based methods, a distinct feature of this method is that at each iteration, a reduced linear system is solved to obtain a trial step, thus avoiding solving a trust region subproblem. Under some standard assumptions, it is proven that the algorithm is globally convergent. Preliminary numerical results show that the new algorithm is efficient for large scale problems.     

Contextualism and conceptual disambiguation

I distinguish between Old Contextualism, New Contextualism, and the Multiple Concepts Theory. I argue that Old Contextualism cannot handle the following three problems: (i) the disquotational paradox, (ii) upward pressure resistance, (iii) inability to avoid the acceptance of skeptical conclusions. New Contextualism, in contrast, can avoid these problems. However, since New Contextualism appears to be a semanticized mirror image of MCT, it remains unclear whether it is in fact a genuine version of contextualism.     

一种约束非光滑优化问题的信赖域算法

提出了一种易实施的求解带线性约束的非光滑优化问题的信赖域算法，并在一定的条件下证明了该算法所产生的迭代序列的任何聚点都是原问题的稳定点．有限的数值例子表明，该方法是行之有效的．     

An Algorithm Using Trust Region Strategy for Minimization of a Nondifferentiable Function

In this article, we present a method for minimization of a nondifferentiable function. The method uses trust region strategy combined with a bundle method philosophy. It is proved that the sequence of points generated by the algorithm has an accumulation point that satisfies the first order necessary and sufficient conditions.     

等式约束优化非单调信赖域算法

设计了一个新的求解等式约束优化问题的非单调信赖域算法.该算法不需要罚函数也无需滤子.在每次迭代过程中只需求解满足下降条件的拟法向步及切向步.新算法产生的迭代步比滤子方法更易接受,计算量比单调算法小.在一般条件下,算法具有全局收敛性.