点至平面代数曲线正交投影计算的混合算法

点至平面代数曲线的正交投影计算在计算机图形学、计算机辅助几何设计领域,特别是交互式设计等应用中有着非常重要而广泛的运用.基于牛顿梯度下降法、切线和曲率圆形成中点的中点脚点法,以及混合几何加速正交法的计算方法,提出一种混合算法用于计算点到平面代数曲线的正交投影问题.首先,采用牛顿梯度下降法使初始迭代点落在平面代数曲线上;其次,利用切线和曲率圆所形成的中点作为脚点,再结合牛顿梯度下降法,将落在平面代数曲线上的迭代点逐渐挪动至正交投影点很靠近位置;最后,使用混合几何加速正交法得到正交投影点.采用3个封闭平面代数曲线实例进行实验,通过收敛性计算验证,结果表明当测试点比较远或代数曲线次数比较高时,该算法是鲁棒和高效的.

混合超记忆梯度法多尺度全波形反演

超记忆梯度类优化算法具有全局收敛性和超线性收敛速度,计算内存需求小,适合求解大规模无约束优化问题。将超记忆梯度类优化算法应用到全波形反演中,结合超记忆梯度类方法优点,提出混合超记忆梯度法全波形反演策略,并给出详细的实施流程。数值试算结果表明,混合超记忆梯度法优于共轭梯度法。含不同强度噪声的地震数据及不同精度初始模型的反演结果表明,混合超记忆梯度法反演精度较高。反演效率分析结果表明,混合超记忆梯度法反演耗时较短,证明了该混合策略在全波形反演应用中有一定的优势。

三项记忆梯度法及其投影算法的收敛性分析(英文)

对于无约束优化问题,提出了一类新的三项记忆梯度算法．这类算法是在参数满足某些假设的条件下,确定它的取值范围,从而保证三项记忆梯度方向是使目标函数充分下降的方向．在非单调步长搜索下讨论了算法的全局收敛性．为了得到具有更好收敛性质的算法,结合Solodov and Svaiter(2000)中的部分技巧,提出了一种新的记忆梯度投影算法,并证明了该算法在函数伪凸的情况下具有整体收敛性．

一种新的带扰动项的算法的全局收敛性(英文)

在本文中,我们提出了一种新的带扰动项的三项记忆梯度混合投影算法.在这种方法中应用了广义Armijo线搜索,并且仅在梯度函数在包含迭代序列的开凸集上一致连续的条件下证明了该算法的全局收敛性.最后给出了几个数值算例.

结构动态优化的状态空间混合法

本文提出了一种新的动态优化方法——状态空间混合法。它以梯度投影法为基础将数学规划法和优化准则法结合起来,推导了迭代方程式,确定了加权矩阵和迭代步长的表达式。作者研制了这种算法的通用计算机程序,给出了计算实例结果,并以槽钢作柱、厚钢板作梁,设计制作了原始和优化框架模型,对模型进行了稳态正弦激振试验和瞬态脉冲激振试验。计算和试验表明,该算法收敛快,计算精度高,通用性好,有实用价值。

带扰动项的梯度法与混合投影法的收敛性分析

对无约束最优化问题提出了带扰动项的梯度法与混合投影法.我们在很一般的条件下,证明了由算法产生的迭代点列{x_k}满足:要么f(x_k)→-∞,要么f(x_k)收敛于有限值且▽f(x_k)→0.当f(x)是伪凸函数时,由带扰动项的混合投影算法产生的迭代点列{x_k}将收敛于问题的一个最优解以及其他一些精细的收敛性质.