Armijo步长搜索的共轭方向算法

对无约束最优化问题（Ｐ）ｍｉｎｆ（ｘ）（其中ｆ（ｘ）是Ｒ’上一阶连续可微函数）提出了经典共轭方向算法和在Ａｒｍｉｊｏ步长搜索下的一种自然推广形式，并在凸性条件下，给出了算法的全局收敛性，然后将上述算法进行改进，在去掉凸性假设之下，证明了算法的全局收敛性。

求解无约束优化问题的一类谱共轭梯度法

针对无约束优化问题,提出一类谱共轭梯度法.谱共轭梯度法是对TS、GN及MPRP方法的修正,使得在任何线性搜索条件下都具有充分下降性.并且在Armijo型线性搜索条件下,证明了该类算法的全局收敛性.与GN、SFR及MPRP方法进行比较,数值结果表明:谱共轭梯度法是可行的,特别对于大规模无约束优化问题更有效.

分裂变分不等式问题及其外梯度算法

在本文中,我们结合Armijo步长搜索方法提出了求解分裂变分不等式问题的一种外梯度算法,证明了算法的收敛性.与相关文献中的算法相比,该算法避免了矩阵谱半径的计算.