关于牛顿迭代法中导数离散格式的探讨

基于导数的不同形式对牛顿迭代法中的导数进行离散,分别推导出弦截法和Steffensen迭代法,从而揭示了三种迭代法之间的关系.然后通过比较这两种方法中对导数值的近似精度,发现Steffensen方法对导数的近似结果更好,从而能保证该方法比弦截法收敛更快.

基于拟Newton法的并联机构位置正解

基于Newton法的迭代搜索算法是求解并联机构位置正解的重要数值算法,但是在其每一步的迭代过程中都需要构造机构的Jacobian矩阵。在Newton法的基础上,将拟Newton法应用于并联机构的位置正解求解,该方法用当前的函数值代替Jacobian矩阵,能够减小每一迭代步的计算量。定义机构的虚工作空间,并分析6-RUS这一类并联机构虚工作空间受限的原因及迭代搜索算法在求解这一类机构位置正解时的局限性,提出将这一类机构的位置正解等效求解的方法。进一步分析耦合型少自由度机构虚工作空间受限的原因,采用虚设机构法和改进的Jacobian矩阵使迭代搜索算法能够适用于这一类机构。数值算例表明:相比于Newton法,拟Newton法的总迭代步数并没有明显增加,但由于每一迭代步的计算量少,计算效率明显提高,为并联机构位置正解在实时场合的应用提供了一定的理论指导;等效机构法能够扩大机构的虚工作空间,增加迭代搜索算法的适用范围。

基于修正Newton法的固体火箭能量管理弹道设计

为满足新型有效载荷的发射要求,需研究满足多终端约束、不同关机能量的固体火箭弹道设计方法。研究了固体火箭耗尽关机的能量管理技术,采用姿态机动能量管理方法,通过在三级偏航通道建立能量管理程序,建立了参数化的飞行程序模型,采用修正Newton法求解多终端约束弹道设计问题。计算结果表明,这种方法可实现不同关机点能量的多终端约束弹道设计。另外,通过不同关机能量滑翔段射程的分析,进一步论证了这种弹道设计方法在新型载荷发射中的价值,该方法简单、可行,有用于工程设计的潜力。

高次方程正项分解与Newton法

在高次方程正项分解的基础上给出了一个用Newton法求解实系数高次方程正数根的计算方法 .该方法具有迭代初值选取条件宽松的优点 ,容易改进为求解实系数高次方程全部实数根的大范围收敛性迭代解法 .

一类Armijo搜索下新的共轭梯度法及其全局收敛性

为有效求解大规模无约束优化问题,提出了一类新的混合共轭梯度法.该方法在每步迭代中都不依赖于函数的凸性和搜索条件而自行产生充分下降方向.在适当的条件下,获证了在Armijo搜索下,即使求解非凸函数极小化的问题,算法也具有全局收敛性.同时,数值实验表明所提算法可以有效求解优化测试问题.

结合广义Armijo步长搜索的一类新的共轭度算法及其收敛特征

对求解无约束规划的共轭梯度算法中共轭梯度方向中的参数给了一个假设条件,从而确定它的一个取值范围,使其在此范围内取值均能保证共轭梯度方向是目标函数的充分下降方向,提出了一类新的共轭梯度算法,在去掉迭代点列有界和广义Armijo步长搜索下讨论了算法的全局收敛性。同时给出了具有好的收敛性质和较快收敛速度的FR,PR,HS共轭梯度法的修正形式。数值例子表明新算法比Armijo搜索下的FR,PR,HS共轭梯算法更稳定更有效。算法需要较小的存储,特别适于求解大规模无约束最优化问题。

菱—方、椭—方孔型系统的拟Newton迭代算法

提出一种通过求解非线性方程组确定中间菱形、椭圆孔型尺寸的方法。文中以Мутъев和Wusatowski宽展公式为例,讨论了求解菱一方和椭一方孔型系统时非线性方程组的建立方法,并采用拟Newton法对方程组求解。该算法可靠性好,计算效率高且具有通用性,算法误差为:△H_1/H_1<0.3%、△B_2/B_1<0.1%、△F_1/F_1<0.2%。

基于Steffens-Newton法的空间索形悬索桥初始平衡状态分析

空间索形悬索桥的主缆、吊索相互耦合,用数值解析法精确求解其初始平衡状态时,面临收敛困难、算法要求严格的问题。本文建立了空间缆索的平衡方程,推导了误差调整方程。分别证明了平面索形所常用的线形变化刚度法及影响矩阵法在空间索形中不再适用。基于可调参数的Steffens-Newton法,提出一种高效的空间缆索耦合体系分析方法,编程SN-ECFS进行算例分析。通过与模式搜索法比较,验证了该方法的计算精度和收敛效率。

一类Armijo搜索下的混合HS-PRP共轭梯度法

为有效求解大规模无约束优化问题,本文基于HS方法和PRP方法,提出了一类新的混合共轭梯度法.该方法在每步迭代中都不依赖于函数的凸性和搜索条件而自行产生充分下降方向.在精确搜索下,本文算法将还原为标准的PRP方法.在适当的条件下,获证了该法在Armijo搜索下,即使求解非凸函数极小化的问题,算法也具有全局收敛性.同时,数值实验表明本文算法可以有效求解优化测试问题.

训练支持向量机的低维Newton算法

支持向量机是基于统计学习理论的结构风险最小化原理提出来的一种新的学习算法,它把模式识别问题建模为一个简单约束的高维对偶二次规划问题。针对原二次规划的特点,线性分类问题可等价化为低维的无约束不可微优化问题,并可通过批处理训练来提高训练速度,降低存储空间复杂度。采用熵罚函数法处理不可微优化问题,对收敛性进行了验证,并提出了Newton型求解算法。数据仿真结果表明,该算法在低存储需求下可有效提高大数据量问题的训练学习速度。

用Newton子迭代方法计算前飞旋翼粘性绕流

通过求解Navier Stokes方程数值模拟了直升机旋翼前飞非定常流场。为了同时保证计算的时间精确性和计算效率 ,时间推进格式采用了双时间推进方法。在该方法中 ,子迭代过程由十分高效的LU SSOR方法完成 ,且使子迭代过程成为Newton子迭代。空间上应用中心平均的有限体积法进行离散。为了模拟前飞桨叶间的相对运动 ,网格布局采用了运动嵌套网格方法。应用本文方法对一悬停流场进行了数值计算 ,计算结果与实验吻合较好 ;尽管缺乏实验数据的验证 。

一类变形Newton法的收敛性

提出了一类变形Newton迭代,并给出了它的收敛性和误差估计,比较了它与传统Newton法之间的差异,最后还讨论了本迭代法及其收敛条件的推广.

新Armijo线搜索下的PRP共轭梯度法及其收敛性分析

优化算法研究,主要工作是给迭代点寻求可接受且有效的步长及可行的下降方向.在求解大规模无约束优化问题时,共轭梯度法被广泛应用.其中, Polak-Ribiere-Polyak方法 (简称:PRP方法)是众多共轭梯度法中数值表现相对较好的,但它在许多线搜索下并不具备全局收敛性,如何发挥PRP方法数值优良,而克服其收敛性差,是学者们致力探索的热点课题.本文提出新的PRP参数公式,并对Armijo线搜索方法进行修正,建立了新Armijo线搜索下的PRP共轭梯度算法,证明算法满足充分下降条件,并证明算法在适当条件下具有全局收敛性.

用改进的Newton法求解非线性奇异问题

在Hilbert空间,将外推技巧和Newton法相结合,得到新的迭代格式.用其求解奇异问题,使改进的Newton法收敛速率由0.5提高到0.333 3.此结论对一般的Banach空间同样适用.

拟Newton法在高阶矩阵中的应用——求解最大特征值及特征向量

将求解高阶矩阵的最大特征值及其对应的特征向量问题转化为高阶非线性方程组的求解问题。在此基础上,提出了求解矩阵最大特征值及其对应特征向量的拟Newton法,给出求解矩阵最大特征值及其单位化向量重新整理后的Broyden方法公式、BFS方法公式、DFP方法公式及其对应的Broyden算法,BFS算法,DFP算法。以层次分析法中高阶判断矩阵为例验证了该方法的可行性,说明了该方法相对收敛速度快的优势。

Armijo型线搜索下的三项共轭梯度法

基于无记忆BFGS拟牛顿法结构,给出一个LS型的三项共轭梯度法,证明了该方法在Armijo型线搜索下对非凸函数具有全局收敛性,对二阶连续一致凸函数具有至少R-线性收敛速率.初步的数值实验表明该方法是有效的.

垂直线性互补问题的一步全局线性和局部二次收敛光滑Newton法

基于凝聚函数,提出一个求解垂直线性互补问题的光滑Newton法· 该算法具有以下优点:(ⅰ)每次迭代仅需解一个线性系统和实施一次线性搜索;(ⅱ)算法对垂直分块P0矩阵的线性互补问题有定义且迭代序列的每个聚点都是它的解· 而且,对垂直分块P0+R0矩阵的线性互补问题,算法产生的迭代序列有界且其任一聚点都是它的解;(ⅲ)在无严格互补条件下证得算法即具有全局线性收敛性又具有局部二次收敛性· 许多已存在的求解此问题的光滑Newton法都不具有性质(ⅲ)

Newton下山法的改进及其应用

引入改进的Newton下山对半二分法和理查德外推法求梯度的原理,并且将它们很好的应用到工程反演程序中,并建立了算法的迭代过程,算例结果表明此迭代过程具有较好的抗噪音能力,精度高,稳定性较好。

求非线性方程组所有根的Newton场线法

为求解非线性方程组F(x)=0,提出Newton场线微分方程xt(t)=-(DF(x))-1F(x),x(0)=x0.在m重根x*的中心场域中任取初始点x0,证明了用前向Eu ler格式得到的解序列xn一定收敛到此根,故场线法大范围收敛.由此提出求非线性方程组所有根的场线算法,其有效性为数值试验所证实.

一类基于Armijo线搜索的新的谱共轭梯度法

为了构造具有更好收敛性的谱共轭梯度法,根据已有的共轭系数β~*_k和β■,构造了一个新的共轭系数β■,从而给出了一个新的谱共轭梯度法。经过选取适当的谱系数,保证新方法在每次迭代时总能产生充分下降的搜索方向。该性质具有既不依赖所使用的线搜索,又不依赖目标函数凸性的优点。利用Armijo线搜索,在一般假设条件下,给出了该方法全局收敛性的证明。