一种新拟牛顿法的收敛性分析

作为传统拟牛顿方程的改进，有人提出了新拟牛顿方程。本文证明了一个基于新牛顿方程的拟牛顿法的全局收敛性和局部超线性收敛性。

基于新拟牛顿方程的拟牛顿法的全局收敛性分析

研究了基于新牛顿方程的Broyden类拟牛顿法的全局收敛性，得到了与传统拟牛顿方程的相应结果完全相同的结论．

一类修正BFGS算法的局部超线性收敛性

基于Hiroshi Yabe提出的新拟牛顿方程,给出了一类更广泛的修正BFGS算法(MBFGS算法),并在一定的假设条件下,结合Wolfe搜索准则,证明了MBFGS算法具有局部超线性收敛性.数值试验结果表明,对于一般无约束优化,MBFGS算法是正确和有效的.

改进的SR1拟牛顿法的2n步q二次收敛性

为了从理论上证明基于新拟牛顿方程的改进拟牛顿方法比传统的拟牛顿方法有更好的收敛效果 ,对改进的SR1拟牛顿方法进行了深入的研究 ,在变尺度矩阵序列正定有界的条件下 ,证明了算法在每n +p( p≥ 1 )步迭代中至少有 p步是好的 ( q超线性步 ) ,进而证明了算法的 2n步q二次收敛性 .

基于新拟牛顿方程的拟牛顿法的超线性收敛性分析

假设f(x)二阶连续可微且一致凸时和f(x)的二阶导数矩阵G(x)在极小点x*处满足Hlder条件,文章证明了基于新拟牛顿方程的拟牛顿法的超线性收敛性.

无约束多目标优化的一种新的拟牛顿法

基于在新拟牛顿方程形式下无约束单目标优化问题改进的拟牛顿法,提出了无约束多目标优化问题的一种新的拟牛顿法,同时在一定的假设条件下,结合Wolfe线性搜索准则,证明了算法具有全局收敛性和超线性收敛性,并进行了数值试验,结果表明,所提的新算法是正确和有效的,并能够迭代得到可使多个目标更优的临界点.

带有线搜索的非单调自适应新锥模型信赖域算法

提出了一种带有线性搜索的非单调自适应新锥模型信赖域算法。根据线性搜索方法计算量小和信赖域方法良好的收敛性优点,文中将非单调Wolfe线性搜索应用于新锥模型自适应信赖域方法中,结合构造了一类新算法:当试验步d k不成功时,采用非单调Wolfe线搜索求得下一个迭代点,使得新算法无需重解子问题,减少计算量。另外,利用cp||B-1k+1||||g k+1||来调节半径,其中c∈(0,1),p为非负整数。在适当条件下,证明了该算法的全局收敛性和有效性。

一类新拟牛顿非单调信赖域算法

提出了一类新的求解无约束最优化问题的新拟牛顿非单调信赖域算法.采用加权的r_k用以调整信赖域半径,在适当的条件下,证明了算法的全局收敛性.数值结果表明算法的有效性.