一种基于新锥模型的自适应信赖域算法

本文提出一种自动确定信赖域半径的新锥模型信赖域算法.该算法在每步迭代中利用以前迭代点的二次信息和水平向量信息自动产生一个信赖域半径.且证明了全局收敛性及超线性收敛性,数值结果验证了新算法的有效性.

基于新锥模型的带固定步长的非单调自适应信赖域算法

对于无约束优化问题,在传统信赖域算法中通常采用二次模型来逼近函数,而对某些非二次性态较强,曲率变化剧烈的函数,用该方法逼近效果较差,于是本文提出一类基于新锥模型带固定步长的非单调自适应信赖域算法.利用一种固定步长算法,在一定条件下证明了该算法的全局收敛性及收敛速率.数值实验表明该算法是有效的.

一种非单调自适应新锥模型信赖域算法

对无约束优化问题提出一种非单调自适应新锥模型信赖域算法。该算法在每次迭代过程中都能充分利用以前迭代点的二次信息和水平向量信息自动产生一个信赖域半径。证明了新算法的收敛性,并用数值实验证明新算法有望解决大规模优化问题。

带有线搜索的非单调自适应新锥模型信赖域算法

提出了一种带有线性搜索的非单调自适应新锥模型信赖域算法。根据线性搜索方法计算量小和信赖域方法良好的收敛性优点,文中将非单调Wolfe线性搜索应用于新锥模型自适应信赖域方法中,结合构造了一类新算法:当试验步d k不成功时,采用非单调Wolfe线搜索求得下一个迭代点,使得新算法无需重解子问题,减少计算量。另外,利用cp||B-1k+1||||g k+1||来调节半径,其中c∈(0,1),p为非负整数。在适当条件下,证明了该算法的全局收敛性和有效性。

一种改进的非单调自适应新锥模型信赖域算法

对无约束优化问题提出了一种改进的非单调自适应信赖域算法。尽管传统的非单调技术存在着众多优点,但是也存在着易丢失最优解等缺点,为了克服这些缺点,文中提出了一种新的非单调技术,该技术是将已成功迭代点的函数最大值与当前迭代点的函数值相结合,充分利用了目标函数的信息,进一步将这种非单调技术引入到信赖域中,提出了一种改进的非单调自适应信赖域算法,在一定的条件下,证明了算法的收敛性,数值实验表明此算法的有效性。

新锥模型自适应过滤算法

提出了一种新的过滤算法.在新锥模型信赖域的算法中引入过滤技术,这种算法加大了试验点被接受的几率,且避免了原算法中子问题重复计算的问题.在适当的条件下,证明了这种算法的全局收敛性.针对几个具体的函数进行了数值实验.

一种多重滤子非单调的新锥模型信赖域算法

非单调技术在信赖域中得到广泛应用,并取得了较好的结果,但传统的非单调技术存在遗漏最优点等缺陷,文中提出了一种新的基于新锥模型的非单调多重过滤信赖域方法,该算法不但在每次迭代中构造出新的比率来调整信赖域半径减少运算量,同时在实验步骤不被接受时利用多重过滤技术增加了试验点的接受几率,并在适当的条件下,证明了算法的收同时敛性。数值试验则表明了该算法的有效性。

多重滤子非单调新锥模型信赖域算法

将由Gu和Mo所提出的一种新的非单调技术,应用到新锥模型的过滤信赖域算法中,提出了一种求解无约束优化的非单调多重过滤信赖域方法,新算法中的每个非单调项是其先前单调项和当前目标函数值的凸组合,不但在每一次迭代中构造出新的比率来调整信赖域半径减少运算量,而且在实验步骤不被接受时利用了多重过滤技术增加了试验点的接受几率,在适当的条件下,证明了算法的收敛性。数值试验表明了该算法的有效性。