一个基于非单调技术的超记忆梯度法

本文给出一个修正的非单调线搜索策略,并结合该策略提出一个求解无约束优化问题的超记忆梯度算法.该算法的主要特点是:在每一次迭代中,它所产生的搜索方向总是满足充分下降条件.这一特性不依赖于目标函数的凸性以及方法所采用的线搜索策略.在较弱的条件下,该方法具有全局收敛和局部R-线性收敛性.数值实验表明了该方法的有效性.     

叠压缩型映照不动点迭代算法的收敛速度

本文给出叠压缩型映照不动点迭代算法的四种收敛速度。在(1)和(2)中首次研究了叠收缩映照的不动点定理(本质上是甲φ(t)=af的情况),并用它得到Newton法的半局部收敛性,本文     

天文斑点成像技术中的噪声影响分析

为进一步说明天文像复原新方法-迭代位移叠加法的性质，对探测器的附加噪声在斑点干涉术、斑点掩模法和迭代位移叠加法中的影响分别进行了分析。结果表明：在斑点掩模法中，复杂的噪声高阶矩统计被引入了重谱的噪声偏差，因此对噪声极为敏感，使数据处理更加复杂化；与斑点掩模法相比，迭代位移叠加法仅涉及对噪声的一阶矩统计平均，所以此新方法的特点是对噪声不敏感，具有图像复原处理过程简单快捷的优越性。     

Banach空间中强增生型变分包含解的具误差的Ishikawa迭代逼近

该文研究Ｂａｎａｃｈ空间中一类强增生型变分包含解的存在性及其具误差的Ｉｓｈｉｋａｗａ迭代程序的收敛性问题．该文结果是几位作者早期与最近的相应结果的改进和推广．     

一致Banach空间中非扩张映象的弱收敛定理

设犈是一致凸Ｂａｎａｃｈ空间，满足Ｏｐｉａｌ条件或具有Ｆｒｅｃｈｅｔ可微范数，犆是犈的非空闭凸子集，且犜：犆→犆是非扩张映象．又设对任何初始数据狓１ ∈犆，序列｛狓狀｝由下列修改了的Ｉｓｈｉｋａｗａ迭代程序生成：狓狀＋１ ＝狋狀犜狀（狊狀犜狀狓狀＋ （１－狊狀）狓狀）＋ （１－狋狀）狓狀，　狀≥１， （Ｉ）其中，数列｛狋狀｝与｛狊狀｝满足下列条件（ｉ）和（ｉｉ）之一：（ｉ）狋狀∈ ［犪，犫］且狊狀∈ ［０，犫］；（ｉｉ）狋狀∈ ［犪，１］且狊狀∈ ［犪，犫］，这里，常数犪，犫满足０＜犪≤犫＜１．作者证明了，犜有不动点的充要条件是，｛狓狀｝ 弱收敛且｛‖狓狀－犜狓狀‖｝收敛到０．而且，由此即知，若犜有不动点，则｛狓狀｝弱收敛到犜的一个不动点．     

求解一类非单调线性互补问题的宽邻域内点方法及其计算复杂性

对于一类非单调线性互补问题给出了一种新的算法——宽邻域内点算法，并讨论了其计算复杂性。     

使用非单调技术的不精确预条件牛顿类方法解非线性方程组

本文提供了预条件不精确牛顿型方法结合非单调技术解光滑的非线性方程组．在合理的条件下证明了算法的整体收敛性．进一步，基于预条件收敛的性质，获得了算法的局部收敛速率，并指出如何选择势序列保证预条件不精确牛顿型的算法局部超线性收敛速率．     

线性均衡约束最优化的一个广义投影强次可行方向法

本文讨论带线性均衡约束最优化问题,首先利用摄动技术和一个互补函数将问题等价转化为一般约束最优化问题,然后结合广义投影技术和强次可行方向法思想,建立了问题的一个新算法.算法在迭代过程中保证搜索方向不为零,从而使得每次迭代只需计算一次广义投影.在适当的条件下,证明了算法的全局收敛性,并对算法进行了初步的数值试验.     

单调全局最优化问题的凸化外逼近算法

单调优化是指目标函数与约束函数均为单调函数的全局优化问题．本文提出一种新的凸化变换方法把单调函数化为凸函数，进而把单调优化问题化为等价的凸极大或凹极小问题，然后采用Hoffman的外逼近方法来求得问题的全局最优解．我们把这种凸化方法同Tuy的Polyblock外逼近方法作了比较，通过数值比较可以看出本文提出的凸化的方法在收敛速度上明显优于Polyblock方法．     

Banach空间中一类非线性算子Ishikawa迭代序列收敛定理

在一般的Banach空间中,研究了Ishikawa迭代序列收敛问题,去掉了通常文献中关于空间X的一致光滑或S-一致光滑的严格要求,此外,还去掉或减弱了其它某些条件。因而本质地改进了近期文献的一系列相应定理。