无约束最优化问题的二次梯度算法

根据无约束最优化问题的梯度算法 ,提出了二次梯度算法 ,并证明了其收敛性 .

求解无约束最优化问题的一类新共轭下降算法

提出了求解无约束最优化问题的一类新共轭下降算法 ,并在非精确线搜索下证明了该算法的全局收敛性 .数值结果表明 。

一种无约束最优化问题的ε-算法

针对凸函数的特性 ,给出了一种计算凸函数的ε -次梯度的方法 ,从而构造出了一种ε-算法 。

变分不等式问题与无约束最优化问题

在Banach空间中研究了变分不等式问题 (VIP) ,得到了变分不等式问题与无约束最优化问题的等价性 ,该结果是 [4 ,Th3.2 ]的推广 .

通过广义D-间隙函数求解变分不等式问题的全局收敛性的推广(英文)

变分不等式问题(VIP)可以通过D 间隙函数转化为一个无约束最优化问题。最近,Peng提出了一种混合型Newton方法来极小化D 间隙函数。本文对Peng的算法中作了适当的修改,建立了一个更强的全局收敛性定理,所得的结果推广了相应文献中的结果。

非线性互补问题转化为无约束优化问题的方法

本文介绍一种带参数的NCP-函数,从而将非线性互补问题(NCP(F))先转化为非光滑方程组的形式,再引进相应价值函数等价地转化为无约束最优化问题的方法,并且还讨论了此NCP-函数,非光滑方程组和相应价值函数的性质。

一种解决无约束非线性最优化问题的SD模型

根据解决无约束非线性最优化问题的传统解析思路 ,创建了用于解决该问题的系统动力学( SD)模型 ,将 SD的优势应用于该问题的解决 ,取得了比传统方法更理想的结果。同时 ,提出了 SD流图中通用记忆环节的概念 ,并使其模块化。然后 ,从理论上说明了 SD模型用于解决无约束非线性最优化问题的有效性。最后 ,通过一个具体的无约束非线性最优化的实例 ,验证了用于解决该问题的

基于BFGS信赖域算法的孤岛微电网潮流计算

分散下垂控制策略的孤岛微电网,系统中没有平衡节点,多个下垂控制的分布式电源(distributed generator,DG)装置参与系统频率的调节并达到新的频率稳态值,传统配电网潮流计算方法将不再适用。针对分散下垂控制策略的孤岛微电网潮流计算,提出基于BFGS信赖域算法的潮流计算新方法。把DG装置处理为PQ节点、PV节点和下垂节点3种类型,建立下垂节点潮流计算模型;分析非线性节点功率方程组的求解,并将其转化为无约束最优化问题,再采用带BFGS修正的信赖域算法进行求解,得到系统稳态频率及各节点电压。对改造后的37节点孤岛微电网系统应用提出的方法进行潮流计算,验证了算法的正确性和有效性。

应用自动微分的Newton-PCG算法(英文)

一类新的使用符号微分的Newton-PCG型算法在文献[1]和[2]被导出来了.本文建立和研究应用自动微分的相应的Newton-PCG算法,理论分析和数值实验结果显示应用自动微分之后,目标函数的维数或复杂性越大,Newton-PCG算法对Newton法的改进越显著.

一个Newton-PCG型算法和它的效率分析

大量的数值实验表明Newton-PCG型算法很有效,但缺乏理论上的保证.最近在文[7]中,从理论上证明了该类算法比Newton法有效.本文取消了文[7]中的过强的假设条件,在标准假设下得到了一个更有效的算法.

Dogleg路径信赖域方法

本文提出一类新的解无约束最优化问题的信赖域方法.这类方法是通过对一般对称矩阵的Bunch-Parlett分解来产生搜索路径.它们既可以解目标函数是二次可微的也可以解目标函数是非二次可微的最优化问题,并且在由算法得到的点列的任意聚点上,二次连续可微的目标函数的Hesse阵都是正定或半正定的.我们证明在一些较弱的条件下,算法是整体收敛的;对一致凸函数,是二次收敛的.一些数值结果表明这种新的方法是非常有效的.

共轭下降法的一个全局收敛性结果

共轭梯度法是求解无约束最优化问题的一个著名方法 ,共轭下降法是其中的一种 ,它最早由 Fletcher提出 .在对共轭下降法进行研究并确定了步长λk时 ,使用了一种新的 Armijo类型的搜索 ,证明了新算法的可行性及全局收敛性 .提出的搜索简单易行 。

一种大规模小波神经网络的拟牛顿学习算法

为解决大规模小波神经网络的优化问题,提出了一种快速的拟牛顿学习算法,即使用改进Wolfe线搜索的仅存储梯度向量拟牛顿算法.该算法每次迭代中最多计算两次梯度,并且计算中仅需存储递度向量,避开了近似Hessian矩阵的存储问题,从而大大降低了计算量和存储需求.仿真验证了算法的有效性和可行性.

广义Cury线搜索下一种新共轭梯度法及其全局收敛性

本文对无约束最优化问题：ｍｉｎｆ（ｘ），ｘ∈Ｒｎ，提出一种新的共轭梯度法．该算法中参数βｋ采用一种新取法，并结合广义Ｃｕｒｙ线搜索及ｎ步重新开始策略．在关于目标函数较弱条件假设下，证明了所给算法的全局收敛性．

Goldstein线搜索下一种超记忆梯度法的全局收敛性

对于无约束优化问题,在目标函数满足一定条件时,证明了Goldstein线搜索下一种超记忆梯度法的全局收敛性。

一种改进的混合牛顿算法

目的研究非凸函数的无约束最优化问题的算法。方法提出求解该问题的一种混合牛顿算法。结果新算法能有效弥补牛顿算法要求目标函数"凸"的局限性,从而推广了牛顿算法的适用范围,在一定条件下新算法仍具有全局收敛性和二次收敛性。结论新的算法是有效可行的。

MBFGS算法中迭代矩阵的收敛性

Li-Fukushima[3]提出了一种修正的BFGS方法MBFGS算法.本文研究MBFGS算法中迭代矩阵的收敛性.我们证明在一定条件下,MBFGS算法用于求解严格凸二次函数极小值时产生的迭代矩阵序列是收敛的.

非拟Newton族的导出及其收敛性

对无约束最优化问题提出了一类非拟Ｎｅｗｔｏｎ族算法，它不再是Ｈｕａｎｇ族中的成员．与拟Ｎｅｗｔｏｎ法相比，新给出的校正公式，在不增加计算量的前提下，能吸纳更多的信息，且仍保持正定对称传递性．对一致凸的目标函数，证明了算法的整体收敛性．且结论对众多类型的精确与非精确线搜索均能成立，而这些线搜索在最优化算法中是比较有效且常用的．

PR共轭梯度算法的全局收敛性

给出一种新的Armijo型的线搜索 ,在该搜索下PR共轭梯度算法能保证无约束最优化问题的全局收敛性 .

具有性质(*)的一类共轭梯度法的全局收敛性

对具有性质 ( )的共轭梯度法进行了讨论 .该性质是由JeanCharles和JorgeNocedal在 1992年提出的 .YuhongDai,JiyeHan等人也对此进行了讨论 ,本文放松了现有结果中参数 βk≥ 0的限制 。