约束优化问题的一个变尺度投影算法的全局收敛性

利用投影算子 PxΩ 建立了求解问题 ( P)的变尺度投影算法 ,并讨论了算法的全局收敛性 .     

一类矩阵方程异类约束解与Ls解的迭代算法

当多矩阵变量线性矩阵方程(LME)相容时,通过修改共轭梯度法的下降方向及其有关系数,建立求LME的一种异类约束解的迭代算法.当LME不相容时,先通过构造等价的线性矩阵方程组(LMEs),将不相容的LME异类约束最小二乘解(Ls解)问题转化为相容的LMEs异类约束解问题,然后参照求LME的异类约束解的迭代算法,建立求LME的一种异类约束Ls解的迭代算法.不考虑舍入误差时,迭代算法可在有限步计算后求得LME的一组异类约束解或者异类约束Ls解;选取特殊的初始矩阵时,可求得LME的极小范数异类约束解或者异类约束Ls解.此外,还可在LME的异类约束解或者异类约束Ls解集合中给出指定矩阵的最佳逼近矩阵.算例表明,迭代算法是有效的.     

解凸约束非线性单调方程组的无导数谱PRP投影算法

本文在著名PRP共轭梯度算法的基础上研究了一种无导数谱PRP投影算法,并证明了算法在求解带有凸约束条件的非线性单调方程组问题的全局收敛性.由于无导数和储存量小的特性,它更适应于求解大规模非光滑的非线性单调方程组问题.数值试验表明,新算法对给定的测试问题是有效的和稳定的.     

基于迭代投影的梯度硬阈值追踪算法

梯度硬阈值追踪算法是求解稀疏优化问题的有效算法之一.考虑到算法中投影对最优解的影响,提出一种比贪婪策略更好的投影算法是很有必要的.针对一般的稀疏约束优化问题,利用整数规划提出一种迭代投影策略,将梯度投影算法中的投影作为一个子问题求解.通过迭代求解该子问题得到投影的指标集,并以此继续求解原问题,以提高梯度硬阈值追踪算法的计算效果.证明了算法的收敛性,并通过数值实例验证了算法的有效性.     

解约束优化问题的投影梯度型中心方法

本文提出了一种求解约束优化问题的新算法—投影梯度型中心方法．在连续可微和非退化的假设条件下，证明了其全局收敛性．本文算法计算简单且形式灵活．     

求解一类变形变分不等式的投影收缩算法及其性质

对一类变形的变分不等式：求，使得提出了一类投影收缩算法，并得到了该算法的收敛性及相关性质．     

不等式约束优化一个基于滤子思想的广义梯度投影算法

讨论非线性不等式约束优化问题, 借鉴于滤子算法思想,提出了一个新型广义梯度投影算法.该方法既不使用罚函数又无真正意义下的滤子.每次迭代通过一个简单的显式广义投影法产生搜索方向,步长由目标函数值或者约束违反度函数值充分下降的Armijo型线搜索产生.算法的主要特点是: 不需要迭代序列的有界性假设;不需要传统滤子算法所必需的可行恢复阶段;使用了ε积极约束集减小计算量.在合适的假设条件下算法具有全局收敛性, 最后对算法进行了初步的数值实验.     

变分不等式的一类二次投影算法

通过构造的一类严格分离当前点与解集的超平面得到了一类解伪单调变分不等式的修正二次投影算法,该算法对He Yiran的算法进行了修正.从而建立了解伪单调变分不等式二次投影算法的一种框架结构.证明了该算法生成的无穷序列具有的全局收敛性,在具备某种局部误差界和Lipchitz连续条件下给出了收敛率分析.并给出了该算法的数值演算结果.     

求多目标线性规划妥协解的旋转迭代算法

本应用单纯形旋转迭代算法，求解多目标线性规划的妥协解，得到满意效果。     

正交非均衡Procrustes问题的持续投影算法

研究正交约束下的Procrustes问题：给定矩阵A∈R^n×n, B∈ ^n×k, n>k, 找一个Q∈R^n×k}, 使得在列单位正交约束Q^TQ=I_k下, 残量‖AQ-B‖_F达到最小. 给出了求解该问题的持续投影算法, 该算法的每一次扫描由求解k个二次约束下的最小二乘问题以及一个扩充后的均衡Procrustes问题组成; 也给出了详细的收敛性分析. 文中的数值例子表明新的迭代算法优于已有的其他方法.     

利用交替投影算法求解矩阵方程AXB=C的广义中心对称解

利用交替投影算法求解矩阵方程AXB=C的广义中心对称解,当矩阵方程AXB=C不相容时,利用Dykstra's交替投影算法来求其广义中心对称解的最佳逼近,数值结果表明该方法是行之有效的.     

非单调投影梯度方法解不等式约束优化

本文提出了投影梯度算法结合非单调信赖技术解不等式约束优化问题，获得了算法的整体收敛性的证明．     

在一个新步长规则下梯度投影算法的全局收敛性

考虑约束最优化问题：minx∈Ωf(x)其中:f:R^n→R是连续可微函数，Ω是一闭凸集。本文研究了解决此问题的梯度投影方法，在步长的选取时采用了一种新的策略，在较弱的条件下，证明了梯度投影响方法的全局收敛性。     

一个求解非线性不等式约束优化问题的带有共轭梯度参数的广义梯度投影算法

本文提出一个求解非线性不等式约束优化问题的带有共轭梯度参数的广义梯度投影算法.算法中的共轭梯度参数是很容易得到的,且算法的初始点可以任意选取.而且,由于算法仅使用前一步搜索方向的信息,因而减少了计算量.在较弱条件下得到了算法的全局收敛性.数值结果表明算法是有效的.     

一类非线性矩阵方程对称解的双迭代算法

利用逆矩阵的Neumann级数形式,将在Schur插值问题中遇到的含未知矩阵二次项之逆的非线性矩阵方程转化为高次多项式矩阵方程,然后采用牛顿算法求高次多项式矩阵方程的对称解,并采用修正共轭梯度法求由牛顿算法每一步迭代计算导出的线性矩阵方程的对称解或者对称最小二乘解,建立求非线性矩阵方程的对称解的双迭代算法.双迭代算法仅要求非线性矩阵方程有对称解,不要求它的对称解唯一,也不对它的系数矩阵做附加限定.数值算例表明,双迭代算法是有效的.     

全方位搜索的亚基迭代算法

文章改进了单纯形算法中的进基规则和迭代方式,与原始单纯形算法相比,能够有效地减少迭代次数,提高计算速度     

变分不等式问题的一个外梯度投影算法

１．引 言 设Ｃ Ｒｎ为非空闭凸集，为连续映射．变分不等式问题，记为ＶＩ（Ｆ，Ｃ），是求满足上述条件的向量ｘ∈Ｃ变分不等式问题在工程力学，交通运输，经济运筹等方面具有广泛的应用并越来越受到人们的重视 ［２，３］ 求解变分不等式问题有很多解法，其中最简单的是投影     

解拟变分不等式的超平面投影算法

拟变分不等式问题是变分不等式问题的一种推广,超平面投影算法是解变分不等式的一种重要方法.通过构造严格分离当前点与拟变分不等式解集的超平面,建立了解拟变分不等式的超平面投影算法.在一定的条件下,证明了该算法的全局收敛性.