摘 要: | Gibali[J.Nonlinear Anal.Optim.,2015,6(1):41-51]提出了一种解伪单调非Lipschitz连续变分不等式的自适应次梯度外梯度投影算法.其下一迭代点是通过向一个特定的半空间投影来实施.本文通过构造新的下降方向得到了一类新的自适应次梯度外梯度投影算法,并借助于何炳生和廖立志[J.Optim.Theory Appl.,2002,112(1):111-128]中的技巧优化了这些算法的步长.证明了这些算法所生成序列的全局收敛性.数值实验结果表明这类次梯度外梯度投影算法比已有算法受初始点的选取、变分不等式的维数及停止标准的精度的影响更小.而且,从迭代次数及运算所花的时间来看,新的算法均优于Gibali提出的算法.
|