约束优化问题的修正GLP梯度投影算法的收敛性(英文)

利用GLP投影技术,对凸集约束的非线性规划问题构造了一个修正GLP梯度投影算法,并在广义Armijo步长搜索和去掉迭代点列有界的条件下,给出了算法的全局收敛性证明。

求解凸集约束优化问题的共轭梯度的GLP投影算法

利用GLP投影技术 ,对凸约束的非线性规划问题构造了一个共轭梯度的GLP投影算法 ,在一维精确步长搜索下 ,给出了算法较强的全局收敛性结果 ,由于算法需要较小的存储量 ,特别适合于计算大规模的约束优化问题。该算法提高了梯度投影法的收敛速度。

Wolfe步长规则下约束优化问题的共轭梯度投影算法

本文研究了约束优化问题min x∈Ωf(x).利用共轭梯度算法与GLP梯度投影思想相结合的方法,构造了一个新的共轭梯度投影算法,并在Wolfe线搜索下获得了该算法的全局收敛性结果.

一种松懈的梯度投影算法

结合ＧＬＰ投影梯度法，提出一种解一般凸规划问题的外点迈近算法，在适当条件下证明了收敛性定理。此算法较之其它外点法的优点，在于其子问题的约束集合不是递增的。即：算法在每次迭代解一个二次规划问题，这个二次规划问题的约束条件只依赖于最优解的当前估计，并且该算法的计算复杂性比ＧＬＰ投影梯度法大大减少。

约束优化问题的修正共轭梯度投影算法

对闭凸集约束的非线性规划问题构造了一个修正共轭梯度投影下降算法,在去掉迭代点列有界的条件下,分析了算法的全局收敛性.新算法与共轭梯度参数结合,给出了三类结合共轭梯度参数的修正共轭梯度投影算法.数值例子表明算法是有效的.

基于修正拟牛顿方程的两阶段非单调稀疏对角变尺度梯度投影算法

基于修正拟牛顿方程,利用Goldstein-Levitin-Polyak(GLP)投影技术,建立了求解带凸集约束的优化问题的两阶段步长非单调变尺度梯度投影算法,证明了算法的全局收敛性和一定条件下的Q超线性收敛速率.数值结果表明新算法是有效的,适合求解大规模问题.

基于修正拟牛顿方程的两阶段步长非单调稀疏对角变尺度梯度投影算法

基于修正拟牛顿方程,利用Goldstein-Levitin-Polyak(GLP)投影技术,建立了求解带凸集约束的优化问题的两阶段步长Zhang H.C.非单调变尺度梯度投影方法,证明了算法的全局收敛性.数值实验表明算法是有效的,适合求解大规模问题.