一种基于弱拟牛顿方程的单调梯度法的收敛性

基于弱拟牛顿方程,Leong W J等人提出了一种单调梯度法,该算法在每次迭代时利用对角矩阵逼近Hessian矩阵,使计算量和存储量明显减少,并且此算法对凸函数具有收敛性。在此算法的基础上,进一步研究了算法对于一般函数的收敛性,并证明了在一定的假设条件下算法仍具有全局收敛性、R-线性收敛性和超线性收敛性。

非单调共轭梯度法的全局收敛结果

共轭梯度法主要依靠d1=-g1,dk+1=-gk+1+βkdk,k 1,其中g为目标函数f(x)的梯度,进行迭代,不同的βk会产生不同的算法.本文主要是在非单调线搜索的条件下,当βk满足σ|βk/βFRk| σ(0<σ<1,0< σ<12)时证明了其全局收敛性.

一类无约束优化问题的非单调共轭梯度法

主要研究了一类在推广的线搜索条件下的非单调共轭梯度法 ,并在较弱的假设条件下证明了其全局收敛性 .

非单调谱投影梯度法求解Toeplitz矩阵的正则化逼近

研究Toeplitz矩阵的正则化逼近问题,先利用迹函数的French导数给出目标函数的梯度,再计算任意矩阵到可行集上的投影,最后利用谱投影梯度方法求解Toeplitz矩阵的正则化逼近问题,并用数值例子验证迭代方法的可行性.

非凸优化中一种带非单调线搜索的惯性邻近算法

本文考虑一类目标函数由可微(可能非凸)函数和凸(可能非光滑)函数组成的极小化问题。惯性邻近(iPiano)算法是解决这类问题的一种有效而重要的方法。通过引入非单调线搜索,提出了非单调线搜索的iPiano (iPiano-nml)算法。通过证明说明了由iPiano-nml生成的序列的任何聚点都是一个稳定点。最后,对图像处理问题进行了数值实验来说明新算法的理论结果。

A New Self Adaptive Inertial Subgradient Extragradient Iterative Algorithm for Solving Variational Inequalities of Pseudomonotone Mappings in Real Hilbert Spaces

The main purpose of this paper is to introduce and deal with a self adaptive inertial subgradient extragradient iterative algorithm with a new and interesting stepsize rule in real Hilbert spaces.Under some proper control conditions imposed on the coefficients and operators,we prove a new strong convergence result for solving variational inequalities with regard to pseudomonotone and Lipschitzian operators.Moreover,some numerical simulation results are given to show the rationality and validity of our algorithm.