基于TT秩非凸优化的张量填充方法

提出一种基于张量火车(Tensor Train, TT)分解的低秩张量填充(Low Rank Tensor Completion, LRTC)模型。首先,采用张量Ket扩展(Ket Augmentation, KA)技术将三阶张量扩展为高阶张量,揭示数据张量中的块低秩性;然后,采用非凸函数逼近秩函数,更好地刻画了数据的低秩性。彩色图像恢复实验表明,提出的方法具有较高的峰值信噪比(Peak Signal to Noise Ratio, PSNR)值,在10%~40%的低采样率下,优势更为明显。

非凸优化问题的两步正则化牛顿法

本文提出了非凸的无约束优化问题的一种在信赖域框架下的两步正则化牛顿算法,其在适当条件下证明了该方法具有局部收敛性。在局部误差界的条件下,该方法具有三阶收敛速度。此外我们还进行了数值实验,数值结果显示,与单步正则化牛顿法相比我们有更少的迭代次数更快的迭代速度,说明两步正则化牛顿法比后者更有效。

同伦方法求解无约束非凸优化问题的局部极小

利用同伦方法求解无约束非凸优化问题,证明了在同伦映射为正则映射的条件下,选取合适的同伦方程,当算法可以排除鞍点时,同伦方法一定收敛到局部极小解,而非极大解.

解非凸优化问题的一个同伦内点方法

用同伦内点算法求解带有非凸可行域的约束优化问题时,非凸可行域的边界刻画条件是算法收敛的重要条件之一.在弱伪锥条件下,构造了新的组合同伦方程,证明了对可行域的某个子集中几乎所有的内点,同伦路径存在且收敛于问题的K-K-T点.

线性约束两分块非凸优化的ADMM-SQP算法

基于乘子交替方向法(ADMM)和序列二次规划(SQP)方法思想,致力于研究线性约束两分块非凸优化的新型高效算法.首先,以SQP思想为主线,在其二次规划(QP)子问题的求解中引入ADMM思想,将QP分解为两个相互独立的小规模QP求解·其次,借助增广拉格朗日函数和Armijo线搜索产生原始变量新迭代点.最后,以显式解析式更新对偶变量·因此,构建了一个新型ADMM-SQP算法·在较弱条件下,分析了算法通常意义下的全局收敛性,并对算法进行了初步的数值试验.

非凸优化问题的同伦方法

考虑带有不等式约束的非凸优化问题,利用同伦方法通过构造一个新同伦方程,证明了同伦路径的存在性、有界性和收敛性,获得了非凸优化问题K-K-T点的一个新充分条件,并用数值例子验证了算法的可行性.

压缩感知理论与非凸优化方法研究

针对某些信号带宽较宽导致难以直接采样的问题,压缩感知理论提供了一种可行的低速采样方法。信号在特定变换域中拥有稀疏表示,通过低速采样得到少量的投影值,已经包含了重构所需的重要信息。利用压缩感知理论从投影值中重构出稀疏向量,进而重建原信号。同时介绍一种基于非凸优化的压缩感知重构算法。相比L1范数的凸优化和无稀疏约束的L2范数,非凸优化的Lp范数拥有对稀疏性更强的约束。实验结果表明,使用压缩感知理论可以显著降低对信号的采样速率,而使用非凸优化算法可以取得更好的重构效果。

正独立映射的判定及其在非凸优化中的应用

给出了向量组或映射判定正独立性的3个充要条件和若干个充分条件,讨论了非凸优化中的正独立映射的性质,通过实例给出了构造方法。

基于粒子群的TCP非凸优化速率控制算法

为了有效地解决网络中拥塞问题,针对实际网络中存在非弹性流的情况,考虑了网络中非凸优化速率控制问题。基于最大化用户效用函数框架,去掉了以往研究中对效用函数的严格假设,利用粒子群方法设计了分布式速率控制算法。算法中链路从网络获知拥塞链路的条数,用户根据对应的效用函数和拥塞反馈信息调整自身速率。仿真结果表明,算法可以很快地收敛到最优速率。

等式约束非凸优化问题的修正牛顿算法（英文）

本文设计了一个新的求解等式约束非凸优化问题的修正牛顿算法.利用修正的拉格朗日函数,通过求解线性方程组获得搜索方向,利用价值函数的线性近似模型确定步长.在没有非奇异性假设的条件下,证明了算法的全局收敛性.数值结果表明,算法是有效的.

一种解决非光滑非凸优化问题的暂态混沌神经网络

提出了一个新的递归神经网络模型,目标是解决一类带等式与不等式约束的非光滑非凸优化问题.证明了当可行域有界时,递归神经网络能在有限时间内收敛到可行域,并且能最终收敛到优化问题的一个关键点.并针对一般的递归神经网络在解决非凸优化问题过程中容易陷入局部最优解的情况,本文的递归神经网络扩展为暂态混沌神经网络,能通过混沌遍历收敛到优化问题的全局最优点.最终通过实验验证了提出模型的有效性和全局寻优能力.

压缩感知中非凸优化的极大熵方法(英文)

压缩感知可由少量观测重构K-稀疏信号.本文提出的极大熵方法克服了压缩感知中lp(0<p<1)最优化问题的非光滑性.极大熵方法构造一条同伦曲线以获得全局最优稀疏解.数值实验表明极大熵方法的信号重构性能优于l1最优化和AST算法.

一类非凸优化问题的遗传算法

线性二层规划是一类特殊的非凸优化问题,为了有效求解该问题,提出了一种基于单纯形方法的遗传算法。首先基于下层约束给出了一种新的编码方法;其次利用单纯形表的信息得到了下层问题的解函数,并结合最优性条件给出了适应度函数;最后基于个体编码的特点,设计了新的遗传算子。数值结果表明,所提出的算法是可行有效的。

拟法锥的一种构造方法及其在非凸优化中的应用

针对一类约束函数均为二次函数的非凸可行域,给出一种简易的拟法锥构造方法,证明了所选的映射关于约束梯度是正独立的,所得的拟法锥满足拟法锥条件,表明借助于组合同伦方程可具体求解此类非凸优化问题.

正独立映射的判定及其在非凸优化中的应用

给出了向量组或映射判定正独立性的3个充要条件和若干个充分条件,讨论了非凸优化中的正独立映射的性质,通过实例给出了构造方法。

一个新的对于无约束非凸优化问题渐近的算法

针对数学规划中的非凸函数的优化问题,根据已知的凸函数的优化结果及相应算法,构造新的渐进算法,并运用Kurdyka-Lojasiewicz不等式,对真下半连续的非凸函数的无约束非凸优化问题进行了收敛分析,得到了由改进的渐进算法生成的序列具有有限长且收敛于该函数的一个临界点.同时给出了序列收敛速率的结果表示.

求解非凸优化问题的同伦内点法研究进展

自Karmarkar内点法被解释成同伦算法之后,以内点同伦算法为代表的同伦路径跟踪算法的研究迅速发展起来。目前同伦内点算法用于求解非凸优化问题的理论与算法尚未完善,本文主要总结求解非凸优化问题的同伦内点法相关研究成果,并指出求解非凸优化的同伦内点算法有待于进一步深入研究的主要问题。

基于凸和非凸优化低秩矩估计的大数据处理算法

针对大数据处理中存在的优化问题,提出一种基于凸和非凸优化低秩矩估计的大数据处理算法,并利用物联网采集与感知的大数据进行算法的实验验证与对比分析。在简单描述凸优化、非凸优化和低秩矩阵优化基础上,设计了基于凸和非凸优化低秩矩估计的大数据处理算法,并对算法收敛性进行了分析;然后利用物联网感知设备,进行数据感知与采集,然后利用所设计的算法进行对比实验。通过实验表明,本文算法在训练时和测试时,在归一化平均绝对误差和运行时间上,具有较好的结果。

一类非凸优化的最优性条件

本文对文〔1〕引入的semi-preinvex函数的优化问题,得到了最优性K-T必要条件及最优性充分条件。

非凸优化问题的局部鞍点和凸化

研究了2个方面的问题:一是L(x,μ)的局部鞍点,二是L(x,μ)的局部凸化.提出了一类新的转换方法,通过此类转换,在某种更弱的条件下,可以得到一个关于局部鞍点的结论,并证明了等价问题的拉格朗日函数是局部凸的.