解变分不等式的一种二次投影迭代算法

本文研究了一类新的求解伪单调变分不等式的二次投影迭代算法.利用Armijo型线性搜寻程序,建立了一类新的超平面,他们严格分离当前迭代点与变分不等式的解集.运用超平面的这种分离性质,在较弱的条件下证明了该算法生成的无穷序列是全局收敛的.数值实验证明该算法是有效的.

基于信赖域技术的处理带线性约束优化的内点算法(英文)

基于信赖域技术,本文提出了一个求解带线性等式和非负约束优化问题的内点算法,其特点是:为了求得搜索方向,算法在每一步迭代时仅需要求解一线性方程组系统,从而避免了求解带信赖域界的子问题,然后利用非精确的Armijo线搜索法来得到下一个迭代内点. 从数值计算的观点来看,这种技巧可减少计算量.在适当的条件下,文中还证明了该算法所产生的迭代序列的每一个聚点都是原问题的KKT点.

广义混合变分不等式问题的投影算法

提出一种新的求解广义混合变分不等式的投影算法.在迭代的每一步,首先利用当前点xi,通过计算预解算子得到点z_i,其中的迭代步长满足某种Armijo线搜索.然后,利用zi构造出分离当前点xi及广义混合变分不等式解集的超平面,再将当前点向该超平面做投影得到下一步迭代点.在一定的条件下,给出该算法产生的无穷序列具有全局收敛性.同时,给出数值计算结果,表明这种算法的有效性.

解变分不等式的次梯度二次投影算法

运用凸函数的次梯度来构造包含可行集的半空间,将已有变分不等式的二次投影算法的投影域进行改进.每次迭代,已有算法的第二次是投影到可行集与半空间的交集上,而新的二次投影算法是投影到两个半空间的交集上.当可行集为一般的闭凸集时,该算法的投影更容易计算.在较弱的条件下,讨论了算法的全局收敛性.