求解随机变分不等式问题的随机逼近向前–向后算法

由于其在交通运输、随机博弈和经济均衡等领域中的广泛应用,关于随机变分不等式数值算法的研究受到广泛关注。借助于随机逼近方法,提出了求解随机变分不等式问题的向前–向后线搜索算法,该算法每次迭代只需计算一次到闭凸集上的投影,并且不要求Lipschitz常数信息,从而避免了很多不必要的计算量。在温和的假设下,证明了算法产生的序列几乎处处收敛到随机变分不等式问题的解,以及算法基于自然残差剩余函数的次线性收敛率和迭代复杂度结果。最后,通过数值算例验证了算法的可行性和有效性。

随机变分不等式的二阶微分方程方法

运用具有正黏性阻尼系数和时间尺度系数的二阶微分方程系统来求解随机变分不等式问题(stochastic variational inequality problem,SVIP)。首先,应用互补函数和样本均值近似(sample average approximation,SAA)方法对原始问题进行等价转换,即将随机变分不等式问题转化为一个方程组,在此基础上建立具有正黏性阻尼系数γ(t)和时间尺度系数β(t)的二阶微分方程系统;其次,研究了该二阶微分方程系统轨迹的收敛性和收敛速率;最后,给出两个数值实验说明该二阶微分方程系统求解随机变分不等式问题的有效性。

结构动力分析的随机变分原理及随机有限元法

将结构动力系统的参数及激励的随机性直接引入结构的动力泛函变分表达式中，基于瞬时最小势能原理，应用小参数摄动法，建立了随机结构动力分析的随机变分列式及相应的确机有限元法。算例表明，应用此法分析随机结构动力响应，具有程序实施简便，计算效率高的优点。

预处理谱随机变分原理和随机有限元法

利用正交级数对材料和外荷载随机场进行离散;利用刚度矩阵在随机场均值处的逆矩阵作为预处理因子,定义一组随机子空间的新的基向量,将结构随机响应过程展开为该组随机基向量的线性表达式,首次提出了预处理谱随机变分原理,在此基础上建立了结构随机分析的预处理谱随机有限元法。该方法能够导出降阶的控制方程,因而与普通的谱随机有限元法相比计算量大大降低;而且该方法能够同时适用于小变异或大变异的随机结构的分析和计算。算例表明,预处理谱随机有限元法不仅对内存要求低,而且在梁板等结构的随机分析中具有较高精度和计算效率。

随机模糊映射的广义非线性随机变分包含

引入并研究了一类带随机模糊映射的广义非线性随机变分包含,构造了一个新的随机迭代算法,在一定条件下,讨论了这类问题随机解的存在性以及由随机算法所产生的序列的收敛性.所得结果推广和发展了近期一些作者的主要工作.

随机变分不等式和随机相补问题

在Hilbert空间的框架下,引入和研究了一类随机变分不等式和随机相补问题随机解的存在性问题.

随机模糊映射的广义随机变分包含

文章引入和研究一类带随机模糊映射的随机广义变分包含问题,构造了一个新的随机迭代算法;在一定条件下,证明了这类问题解的存在性以及由随机算法所产生的序列的收敛性。

Ф-强增生型随机变分包含解的迭代逼近

在没有任何有界的条件下,在可分的Banach空间中研究一类Ф-强增生型随机变分包含解带混合误差的随机Noor迭代序列收敛性问题,在适当的条件下,建立了随机变分包含解随机Noor迭代序列的强收敛性定理,从而推广和改进了有关文献中的相应结果.

基于投影收缩的SA方法求解随机变分不等式问题

求解变分不等式的各种算法中,投影收缩算法易于执行、稳健、而且可以处理大规模问题,因此发展迅速.何炳生教授根据变分不等式及投影算子的性质确定的三个不等式,提出了求解变分不等式的投影收缩算法,此方法简单易行,且便于实现.用随机近似方法来求解随机变分不等式和随机优化问题已经被广泛的研究,其中函数值和一阶导数不可求,但可以用近似的方法得到.将投影收缩算法应用到求解随机变分不等式当中,在一些适当的条件下,可得到全局收敛的结果.

随机变分方程解的存在、唯一性问题

研究了随机有限元方法的理论基础——随机变分方程解的合理性问题，证明了一般形式的随机变分方程解的存在与唯一性定性，明确了在随机扰动算子不足以破坏均值微分算子的强制性条件——不会导致方程类型变异的前提下，Ｆｒｅｄｈｏｌｍ择一定理的第二个结果成立，此时在概率１的意义上变分解存在而且唯一。

随机表示定理及其对随机变分不等式的应用

本文首先给出一个随机双线性连续泛函的表示定理．作为应用，我们讨论一类广义随机集值变分不等式解的存在性以及由算法所产生的随机迭代序列的收敛性．

基于扩散方法的分布式随机变分推断算法

分布式网络上的聚类、估计或推断具有广泛的应用,因此引起了许多关注.针对已有的分布式变分贝叶斯(Variational Bayesian,VB)算法效率低,可扩展性差的问题,本文借用扩散方法提出了一种新的分布式随机变分推断(Stochastic variational inference,SVI)算法,其中我们选择自然梯度法进行参数本地更新并选择对称双随机矩阵作为节点间参数融合的系数矩阵.此外,我们还为所提出的分布式SVI算法提出了一种对异步网络的适应机制.最后,我们在伯努利混合模型(Bernoulli mixture model,BMM)和隐含狄利克雷分布(Latent Dirichlet allocation,LDA)模型上测试所提出的分布式SVI算法的可行性,实验结果显示其在许多方面的性能优于集中式SVI算法.

面向大规模数据主题建模的方差减小的随机变分推理算法

随机变分推理(SVI)已被成功应用于在包括主题模型在内的众多类型的模型。虽然它将推理问题映射到涉及随机梯度的优化问题,使其扩展到处理大规模数据集,但是SVI算法中随机梯度固有的噪声使其产生较大的方差,阻碍了快速收敛。为此,对SVI作出改进,提出一种方差减小的SVI(VR-SVI)算法。首先,采取滑动窗口的方法重新计算随机梯度中的噪声项,构建新的随机梯度,减少了噪声对随机梯度的影响;然后,对提出的算法可在SVI基础上使得随机梯度的方差减小进行证明;最后,讨论窗口大小对算法的影响,并分析算法的收敛性。实验结果表明,VRSVI算法既减小了随机梯度的方差,又节省了计算时间,可达到快速收敛的效果。

随机模糊映射的广义混合随机变分包含

为了更好的完善变分不等式理论,引用和研究了一类随机模糊映射的随机广义混合变分包含问题,利用预解算子技巧证明了该类问题解的存在定理和收敛定理,构造了用于计算此变分包含逼近解的随机迭代算法。本文结果改进并推广了文献中的一些已知结论,更具有普遍性。

随机变分不等式的随机投影梯度算法

在R^n空间中给出随机变分不等式问题的随机投影梯度算法.该算法的优点在于:在迭代的每一步,只需向可行集投影一次,也只需对函数赋值一次;这使得算法简单快速,特别对于F函数值以及投影难以计算的情况.同时,证明该算法所产生的迭代序列的全局收敛性.

三维Navier-Stokes方程的随机变分准则(英文)

我们将文献(Cipriano F,Cruzeiro A B.Navier-Stokes equation and diffusions onthe group of homeomorphisms of the Torus[J].Commun.Math.Phys.,2007,275:255-269)推广到三维情形,即给出三维环面上的Navier-Stokes方程的随机变分准则.

大规模网络广义社区发现随机变分推理算法

流行度-生成度随机块(popularity-productivity stochastic block,PPSB)模型能发现网络广义社区,但该模型易过拟合,且不能有效处理大规模网络,故提出一个3层贝叶斯网络广义社区发现(generalized PPSB,GPPSB)模型,并给出实现大规模链接网络和内容网络广义社区发现的随机变分推理(stochastic variational inference,SVI)算法GPPSB-SVI和GPPSB-C-SVI。不同规模人工网络和实际网络上的实验结果表明:GPPSB-SVI准确性优于已有流行大规模网络社区发现算法,效率高于基于PPSB模型的广义社区发现算法;GPPSB-C-SVI准确性优于GPPSB-SVI算法;GPPSB模型引入节点隶属度和类间链接概率矩阵的先验分布,可更好地对网络建模,其参数估计算法GPPSB-SVI、GPPSB-C-SVI可更有效地实现大规模网络广义社区发现。

关于一类扩散过程的随机变分计算

对一类比较广泛的随机微分方程的解进行了随机变分计算 ,在一定条件下得到了相应的分部积分公式 .

力学系统运动的随机变分

建立一般力学系统运动的随机等时和非等时变分；给出力学系统由带有限维分布随机过程定义的运动状态列阵在高斯场上的变分表示．

关于多维参数白噪声与随机变分

给出ｎ阶Ｆｏｕｒｉｅｒ—Ｈｅｒｍｉｔｅ多项式张成的子空问ｎ。在变换、Ｓ下的一类积分表示；将白噪声参数限制在较低维Ｃ流形上，建立两种Ｇａｕｓｓ随机场的变分计算式．