可分凸规划问题

讨论了可分凸规划问题。并给出可分凸规划问题的一种算法——线性近似法。

可分凸二次规划的不可行内点算法

给出了可分凸二次规划的不可行内点算法 ,并证明了该算法在 O(n2 L )次迭代之后 ,或者收敛到问题的一个近似最优解 ,或者说明该问题在某个较大区域内无最优解 .

一种新的可分凸二次规划的不可行内点算法

本文对可分凸二次规划提出了一个新的不可行内点算法 ,证明了该算法是一个多项式时间算法 ,并将迭代复杂性界降至O(nL) .

框式可分凸二次规划的不可行内点算法

对框式约束的可分凸二次规划提出了 1个原始对偶不可行内点算法 ,并证明了该算法是

凸可分规划的内椭球方法

用内椭球方法的思想对线性约束的凸可分规划提出了一种新的算法，并证明了此算法是一个多项式时间算法．

基于原始对偶分裂方法求解一类约束可分离凸优化问题及其应用

本文研究一类具有代表性的约束可分离凸优化模型,其目标函数中的数据误差项满足可微性条件,许多图像恢复和图像重建等问题都可以归结为该模型的求解.为克服现有求解该模型方法的不足,文中首先借助指示函数,将原模型转化为无约束的凸优化模型;然后基于原始对偶分裂方法思想,提出一种新的迭代算法,该算法具有结构简单和参数选取容易的特点,同时证明所提算法的收敛性.最后,为验证算法的有效性,我们将其应用于CT图像重建问题,数值实验结果表明所提出的算法在重建时间和重建图像质量上优于现有的其他算法.

NLP中可分函数的线性逼近法

线性逼近法是求解非线性规划问题(NLP)的一种重要方法,目标函数可分约束条件是线性约束时的NPL的线性逼近的特殊方法.

一种解无约束优化问题的新移动渐近线算法

对无约束优化问题,本文提出了一种新的移动渐近线算法.在每次迭代过程中,我们构造一个原问题的移动渐近线函数,由此建立一个简单可分、严格凸的子问题,通过求解子问题获得下降搜索方向,再用线搜索取得搜索步长.文中讨论了算法的参数取值原则,并证明了算法的全局收敛性.数值试验结果表明算法是有效的、适合解大规模的无约束优化问题.