点到集映象族与最优化算法

1.引言文献[1]和[2]分别考虑了单降和单增点到集映象族,给出了由单降和单增点到集映象族定义的一些最优化的一般算法,并在适当的条件下证明了这些算法的收敛性.本文用一般的点到集映象族定义这些算法,改进了[1]和[2]中的某些假设,在较弱的条件下证明了这些算法的收敛性.特别,我们不需要点到集映象族的单降或单增性,以及[1]中假设     

求解变分不等式问题的一个递推算法的一个注

本文改进了[3]中的一个基本不等式和原算法，从而提高了数值计算的效率,而且在新算法的收敛性分析中去掉了变分不等式问题的单调性条件．     

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.     

关於Newton-Moser型方法的收敛性

本文在Banach空间中,对於非线性算子方程 P(X)=0 讨论了Newton-Moser型方法,这是对Hald(1975)文章[1]的进一步推广。在[1]中Hala对一维情形证明了算法的局部收敛性,而对多维情形只给出了算法的误差界限,对於存在-收敛性问题,则並未涉及。我们这里却成功地利用了Kantorovich的优界原     

一个具有线性约束的Goldfarb方法的改进算法

本文对具有线性约束的非线性规划问题给出一个Goldfarb方法的改进算法,并且在与[1]同样的条件下,给出了算法之超线性收敛性证明.     

非线性最优化的抽象算法模型及非闭性收敛条件的研究(下)

本文叙述了具有单调性的最优化算法的若干重要的收敛性条件,包括这方面最近的新成果,并且证明了新的收敛性条件比文献中已有的条件要严格地弱;其次讨论了常见的可行点算法类的一致可行性收敛条件,证明了本文介绍的新的收敛性条件比一致可行性收敛条件要弱。 1.单调最优化算法的全局收敛性大多数具体的最优化算法是单调算法,即对应于迭代点列{x_i}的某一函数f(目标函数或特定的另一函数)的值{f(x_i)}是单调数列,所以文献中对于单调的抽象算法模型的全局收敛性研究很多。Zangwill提出的第一个抽象算法和相应的收敛性条件就是关于单调算法的。对于这类算法,函数值{f(x_i)}的单调性与算法的全局收敛性有密切关系。一般而言,单调算法的收敛性条件比较简单些,见文献以[1～6],[8～15]。在文献[12]中,     

基于锥模型的一般信赖域算法收敛性分析

本文给出了锥模型信赖域算法的一般模型，它不仅包含通常的信赖域算法一相当于锥模型算法中bk＝0的情形，而且文献[1]的算法也可看作其子类．我们研究这个模型的较强的全局收敛性，并讨论保证算法具有超线性收敛速率的条件，从而推广了文[1]和文[4]中的若干结果．     

关于单降点到集映象族一般算法收敛性条件的改进

[1]给出了两个单降点到集映象簇的一般算法。在比[1]较弱的条件下,我们证明了算法的收敛性。对一般的点到集映象簇,我们定义了两个算法。在较弱的条件下,也证明了算法的收敛性。     

多元分布函数性质的若干注记

本文进一步讨论多元分布的连续性与它的边缘分布函数的连续性之间的关系，从而指出文献[2]与[5]中关于多元分布函数序列一致收敛性的两个定理之间的等价性，并且进一步改进多元分布序列一致收敛性的条件。     

一族非线性约束条件下的摄动梯度投影法

对问题(P),堵丁柱改变了以往的做法,利用对约束切空间的摄动技巧,给出了一个收敛的梯度投影方法.本文推广了[1]中方法,给出了一个更一般的收敛算法,它无需[1]中对约束函数的凸性假设,也不须多次求投影梯度.本文中算法的收敛性证明是建立在[3]中引理10.2.6的简单推广得到的引理3的基础上的.本文引理3减弱了引理10.2.6中的条件3,因而更具实用性.可以简化许多算法的收敛性证明.     

一个无正则条件下一般约束最优化问题的信赖域算法的收敛性

本文我们对[1]的算法给出一个修正并在无正则条件下对这一算法给出了收敛性分析，与[1]不同，我们不需要(SBSQ)约束条件。因此本文的结果是[1]的结果的推广和加强。     

MBFGS算法中迭代矩阵的收敛性

Li-Fukushima[3]提出了一种修正的BFGS方法MBFGS算法.本文研究MBFGS算法中迭代矩阵的收敛性.我们证明在一定条件下,MBFGS算法用于求解严格凸二次函数极小值时产生的迭代矩阵序列是收敛的.     

一个等式约束问题的拟Newton—信赖域型方法及其收敛性

在[1]中,Vardi提出一个信赖域方法,而收敛性证明却是在精确λ-搜索下给出的,本文在[1]的基础上提出一个新的算法-拟Newton-信赖域型算法,并证明该算法是全局收敛的,通过利用二阶修正技术去修正该算法,我们证明了该算法是局部超线性收敛的。     

B值随机元阵列的完全收敛性及大数定律

该文在随机元阵列随机有界于某非负随机变量的条件下，得到了B值随机元阵列完全收敛性的一般性结论，并讨论了随机元阵列加权和的收敛性，使[5][6]中的结果得到了改进和推广．同时讨论了完全收敛性与Banach空间p型（1＜P≤2）性质的等价性，使[14]，[15]中的结果得到进一步的改进．     

带有修正项的双边投影拟牛顿方法

本文中我们对Nocedal与Overton所提出的双边投影拟牛顿方法加以改进,增添一个修正项。这个修正项的计算量是很少的,但修改后的方法可以同时改进局部收敛性与全局性收敛性。本文将集中讨论局部收敛性,特别是证明了在使用DFP或PSB等矩阵校正公式时,修正后的方法在一定的条件下是超线性收敛的。对于全局收敛性的讨论将另文给出。     

矩阵分裂的单调收敛性

本文在非负矩阵分裂条件下证明了迭代算法(3)的单调收敛性,它不仅推广了[1]～[5]中的相应结果,而且在比[7]中定理较弱的条件下,得到了广义AOR迭代法的单调收敛性。本文最后还给出了一个数值例子。     

半无限规划离散化问题一个两阶段序列二次规划算法

本文研究了求解半无限规划离散化问题(P)的一个新的算法.利用序列二次规划(SQP)两阶段方法和约束指标集的修正技术,提出了求解(P)的一个两阶段SQP算法.算法结构简单,搜索方向的计算成本较低.在适当的条件下,证明了算法具有全局收敛性.数值试验结果表明算法是有效的.推广了文献[4]中求解(P)的算法.     

多重三角T阵与多元多项式的快速除法

我们在[1]中给出了求三角形T矩阵的逆和计算一元多项式除法的O(nlogn)算法,改进了这两个问题已有的工作量为O(nlog~2n)的快速算法。本文给出了多重三角T阵的乘积、求逆和多元多项式的快速除法等快速方法,推广了[1]和[2]的结果。为叙述简便,我们仅就二重上三角形T阵与二元多项式除法讨论。由此不难推广到一般情形。     

线性两点边值问题的迭加原理与不变嵌入方法(Ⅱ)

在[1]中,对线性两点边值问题,推广了[2一4]中所提出的不变嵌入算法。本文从理论上对[1]中所述方法作进一步讨论並指明[1]中所述的基本假定H在具体计算中的实现方法。最后通过一些实例计算说明我们的方法有较高的效率。为了方便,不加申明地我们将使用[1]中的记号。     

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．