求解结构型单调变分不等式的改进的邻近类分解方法

邻近类分解方法首先是由Chen和Teboulle(Math.Programming,1994,64(1):81-101)提出用来求解凸的极小化问题.在此基础上,该文提出一种新方法求解具有分离结构的单调变分不等式.其主要优点在于放松了算法中对某些参数的限制,使得新方法更加便于计算.在和原分解方法相同的假设下,可以证明新方法是全局收敛的.

基于投影交替方向法求解结构型单调变分不等式

通过构造新的下降方向对孙敏等人给出的投影型交替方向法进行改进和推广,提出了改进投影型交替方向法.与前者相比较,该方法具有收敛速度快,迭代次数少的特点.在相同的假设条件下,证明了新方法的全局收敛性,并通过数值试验初步验证了该方法的有效性.

关于结构型单调变分不等式的平行分裂增广Lagrangian方法的O(1/t)阶收敛性(英文)

最近,何[3]证明了投影收缩算法的O(1/t)阶收敛性.受此启发,本文证明了结构型单调变分不等式的平行分裂增广Lagrangian方法的O(1/t)阶收敛性.

连续非单调变分不等式的一种惯性投影算法

一种求解非单调变分不等式问题的投影算法(IPA)由Ye (2022)提出。IPA无需变分不等式的映射具有任何的单调性,仅在映射连续且对偶变分不等式解集非空的条件下得到了算法的全局收敛性。本文提出了惯性的IPA算法,并在相同的假设下证明了新算法的全局收敛性。数值实验表明,惯性方法能加速IPA。

伪单调变分不等式解集与拟非扩张映射不动点集公共元的强收敛定理

在Hilbert空间中提出一种新的关于求解伪单调变分不等式问题的Tseng外梯度算法。在适当条件下,证明由此算法生成的迭代序列强收敛于伪单调变分不等式问题的解集与拟非扩张映射不动点集的公共元,并用数值实验说明所提算法的有效性。

求解拟单调变分不等式问题的交替惯性向前向后算法

该文结合线搜索方法,提出了改进的交替惯性向前向后算法求解拟单调变分不等式问题.该算法在每次迭代时只需计算一次到可行集上的投影,在一定的假设下证明了解集的弱收敛性定理.最后通过数值实验验证了算法的有效性.

解伪单调变分不等式的修正惯性次梯度外梯度法

针对实Hilbert空间中的伪单调变分不等式问题,将惯性法和黏性法相结合,构造了一种基于Armijo线性搜索的次梯度外梯度法.在没有Lipschitz连续性的假定下,给出了该算法生成的迭代序列的强收敛性.最后,通过数值实验说明了该算法是有效的.

求解伪单调变分不等式的一种自适应投影算法

Pham等(Optimization,2022,71(3):505-528.)提出了一种求解伪单调变分不等式的自适应算法.在该算法的基础上提出一种具有更大步长的新算法,并在相同的假设条件下证明算法的强收敛性.

一种新的求解拟单调变分不等式的压缩投影算法

2020年Liu和Yang提出了求解Hilbert空间中拟单调且Lipschitz连续的变分不等式问题的投影算法,简称LYA。本文在欧氏空间中提出了一种新的求解拟单调变分不等式的压缩投影算法,简称NPCA。新算法削弱了LYA中映射的Lipschitz连续性。在映射连续、拟单调且对偶变分不等式解集非空的条件下得到了NPCA所生成点列的聚点是解的结论。当变分不等式的解集还满足一定条件时,得到了NPCA的全局收敛性。数值实验结果表明NPCA所需的迭代步数少于LYA的迭代步数,NPCA在高维拟单调例子中所需的计算机耗时也更少。

求解结构型强制单调变分不等式的下降法

对结构型强制单调变分不等式问题提出了一种新的下降方法.每次迭代新方法只需计算一些正交投影值和函数值,因此它的计算量非常小.在不需要线性搜索的条件下,新方法具有全局收敛性,并且步长一致有正下界.最后给出的一些数值模拟试验验证了新方法的有效性.

一类拟单调变分不等式的惯性投影算法

2020年,Liu和Yang在Hilbert空间中提出了一种求解拟单调变分不等式的投影算法.该文介绍了一种新的惯性系数来加速Liu和Yang文中的算法,并在相同的假设条件下得到了算法的全局弱收敛性.数值实验表明适当选取参数后的惯性方法比Liu和Yang文中的算法有更少的迭代步数和计算机耗时.

求解一类结构型变分不等式的加速随机方法

基于Glowinski的交替方向法和何炳生教授的改善步长的收缩算法,提出一个求解结构型变分不等式的加速随机方法.新方法的优势在于利用独立同分布的随机数来扩张步长,克服了传统的交替方向法中固定步长因子的缺点,证明了新方法的下降方向是可行的.在适当的假设条件下,给出新方法的性质,并证明新方法依概率收敛.通过对来自于金融和统计中问题的一系列数值试验,验证新方法的可行性和有效性.

一类伪单调变分不等式与不动点问题的自适应惯性投影算法

在希尔伯特空间中提出了一种自适应惯性投影算法来求解伪单调变分不等式与不动点问题。通过加入自适应步长规则,新算法无需估计映射的Lipschitz系数。这优化了已有的算法,并在相同的假设条件下证明了算法所生成的序列从强收敛到变分不等式解集与不动点解集的交中一点。

Hilbert空间中伪单调变分不等式的新次梯度外梯度算法

引用一种新次梯度外梯度算法,在Hilbert空间中证明了伪单调变分不等式解的弱收敛性.

求解非单调变分不等式问题的修正惯性次梯度外梯度算法

变分不等式问题在经济金融、交通运输、数学规划、力学等领域都有着广泛的应用。近年来,变分不等式问题受到许多学者的研究,且这些研究主要集中在求解单调或者伪单调变分不等式问题。文章在实希尔伯特空间中,针对非单调变分不等式问题,提出了求解该问题的算法。借助惯性原理和Mann型方法,构造了一个带Armijo线性搜索的修正惯性次梯度外梯度算法;在没有Lipschitz连续性的假设下,证明了由算法产生的迭代序列强收敛于变分不等式问题的解,值得注意的是,定理的证明并没有要求映射的任何单调性假设;最后,给出了两个数值实验,阐明了文章算法的有效性和优越性,所得结果推广和改进了许多最新的结果。

求解强伪单调变分不等式和不动点问题公共点的投影算法

研究求解强伪单调变分不等式和不动点问题公共点的投影算法,提出一个惯性形式的投影算法,在映射f强伪单调非Lipschitz连续,U为非扩张映射的条件下证明算法的强收敛性.最后,数值实验验证算法的有效性.

单调变分不等式问题的惯性松弛投影算法

在Hilbert空间中研究单调变分不等式问题的惯性松弛投影算法.在该算法的每一次迭代中,只需要向特殊结构的半空间进行2次投影.另外,采取一定的线搜索条件,在单调和Lipschitz连续且Lipschitz系数大小未知的假设下,证明该算法所产生的序列强收敛到变分不等式的解.

求解结构型变分不等式的交替投影算法

单调的变分不等式在实际中有很多应用.该文中的变分不等式是带有不等式约束的,其中映射F是可分离的,并且只知道F的函数值,不知道具体的表达式.本文提出的方法,每次迭代过程包含预测-校正两步.第一步是预测步,利用交替投影生成预测点.第二步是校正步,只需要做一些简单的运算.方法的线性收敛性也是在比较宽松的条件下得到证明的.

单调混合变分不等式解集性质

本文研究了单调混合变分不等式的解集性质。利用f投影算子我们知道一点是单调混合变分不等式的解当且仅当为f投影的不动点。结合这个结论我们得到了关于单调混合变分不等式解集的一些性质。

Hilbert空间中变分不等式问题的自适应粘性算法

该文提出了一个新的自适应次超梯度粘性算法来求解Hilbert空间中的伪单调变分不等式问题.应用新步长准则,在不需要知道利普希茨常数的条件下得到了强收敛定理.通过一些数值例子说明了所提算法的有效性.