一类新的基于信赖域技术的非单调共轭梯度算法

为有效求解大规模无约束优化问题,本文基于信赖域技术和修正拟牛顿方程,同时结合Zhang H. C.策略和Gu N. Z.策略,设计了一种新的非单调共轭梯度算法,应用信赖域技术保证了算法的稳健性和收敛性,并给出了算法的全局收敛性分析．在适当条件下,证明了该算法具有线性收敛性．数值实验表明新算法能够有效求解病态和大规模问题．与单独结合其中一种非单调策略的算法相比,新算法需要较少的迭代次数和运行时间,利用其得到的函数值与最优值更接近．     

基于稀疏对角拟牛顿方向的非单调超记忆梯度算法

超记忆梯度算法由于其迭代简单和较小的存储需求,在求解大规模无约束优化问题中起着特殊的作用.本文基于稀疏对角拟牛顿技术,结合修正Gu和Mo非单调线搜索步长规则,建立了求解大规模无约束最优化问题的非单调超记忆梯度新算法,给出了算法的全局收敛性分析.新算法具有算法稳定、计算简单的特点可用于求解病态和大规模问题.数值例子表明算法有效稳定.     

求解变分不等式的非单调混合Newton算法

本文运用广义D-间隙函数可以将变分不等式问题转化为一个无约束最优化问题,即极小化广义D-间隙函数的一般形式gαβ,基于非单调线搜索技术提出一种非单调混合Newton算法,并给出了算法的全局收敛性分析.在适当条件下,证明了算法具有全局二次收敛性.同时在映射F强单调但不需要Lipschitz连续的情况下,为算法提供了一个全局误差界.数值结果表明新算法是有效的.