复Hessian矩阵性质及复正定性的研究

讨论复变实值函数复Hessian矩阵的性质,获得一些新的结果,并给出复Hessian矩阵复(半)正定性与Hermite(半)正定性的一些充要条件。

非线性等式约束问题的既约Hessian校正算法

考虑非线性等式约束优化问题,提出一种既约Hessian阵校正算法,此算法分别对Lagrange函数的单边既约Hessian阵的近似阵和双边既约Hessian阵的近似阵进行校正.我们证明了若每次迭代至少有一者被校正时,算法具有1—步Q—超线性收敛速度.

Shamanskii修正牛顿法的全局收敛性

最近由LamparielloF和SciandroneM提出了Shamanskii修正牛顿法的一种全局收敛技术 ,该文对其全局收敛性定理进行了改进和推广使其应用范围更加广泛 .

多元函数高阶差商公式

为了将函数逼近论的主要成果有针对性地向多元函数进行拓广,利用组合公式的某些技巧做出的工作如下:1)建立了多元函数高阶差商公式的统一表达式;2)证明了高阶方向导数的差商公式;3)研究了近似高阶偏导数;4)给出了多元函数二阶偏导数及Hessian阵中心差商的截断误差.

基于负曲率方向的复数域共轭梯度法

共轭梯度法是优化大规模目标函数的一种经典方法。根据复梯度、复Hessian阵与实梯度、实Hessian阵之间的关系,将共轭梯度法推广到复数域,用于解决复数域的优化问题。针对共轭法的一些缺点,如每步迭代利用线性搜索来确定优化的步长及可能寻找到的极值点不一定为极小值等缺点,提出在Hessian阵不正定时利用负曲率方向作为搜索方向,利用实数域二阶导数简化思想,使寻找下降负曲率方向简单化,同时根据目标函数信息调节搜索步长,保持函数值单调下降。对该算法进行复数域优化数值仿真,结果表明:该算法与复数域的SCG算法及Quasi-Newton算法相比,计算较为简单且优化效果更优。

基于MINRES-QLP截断牛顿法的全波形反演

在全波形反演过程中,二阶梯度信息扮演着重要的作用.然而,由于其巨大的计算量和内存需求,限制了其在全波形反演问题中的应用.本文基于MINRES-QLP方法提出了一种高效的截断牛顿全波形反演方法.该全波形反演方法能够充分利用目标泛函的二阶梯度信息,提高反演精度.MINRES-QLP反演方法还能够利用Hessian阵负特征值信息,从而提高算法的重构分辨率和计算效率.针对Hessian阵计算难题,本文给出了一种矩阵向量相乘的快速算法.基于二维2004 BP模型,Sigsbee模型,验证了MINRES-QLP截断牛顿反演方法的有效性.数值结果表明MINRES-QLP截断牛顿法能充分利用二阶梯度信息和Hessian阵负特征值信息,从而加速算法收敛速度和提高成像精度.