一类无约束优化问题的信赖域过滤器算法

构造了一个求解无约束优化问题的新算法,结合了采用修正BFGS（MBFGS）算法的信赖域思想和多维过滤器算法策略．搜索方向的产生类似于MBFGS算法;在接受新的迭代点时,采用多维过滤器算法的策略及信赖域思想,新信赖域算法是全局收敛的．     

无约束优化问题的Newton-过滤器算法

构造了求解无约束优化问题的新算法,该算法结合了一般的Newton算法的思想和过滤器线性搜索策略,一方面搜索方向由Newton算法产生;另一方面在接受新的迭代点时,采用过滤器线性搜索策略,确定步长,且新算法是全局收敛的.     

无约束优化算法收敛的极限点比较

对七种无约束优化算法进行了大量有效的数值试验,提出了各种算法在初始条件相同的情况下,产生的迭代点列可以有不同的极限点,并对此现象进行合理的解释。     

无约束优化问题的多种群混合类电磁机制算法

在分析了标准类电磁机制算法不足之处的基础上,提出了一种处理无约束优化问题的新的类电磁机制算法。新算法用两个种群进化,从两个进化种群中选出优势个体互相学习,交换信息;提出了基于粒子电荷量和它们之间距离的自适应调节的新的受力计算公式。仿真试验结果表明,和已有算法相比,该算法能有效克服早熟收敛,具有收敛快、求解性能好的优点.     

无约束优化问题的一个改进的BFGS信赖域算法

给出了一个与文献[1]等价的新的BFGS信赖域算法,此算法同样具有较好的性质,并在适当的条件下该算法具有全局收敛性.     

基于锥模型的无约束优化问题的信赖域算法

对无约束优化问题,提出了一种基于锥模型的非单调信赖域算法.该算法与通常的信赖域算法的不同在于:当试探步不成功时,不再重新求解子问题,而是采用非单调线搜索技术.对子问题进行了分析,并证明了算法的超线性收敛性.     

无约束优化问题的最速下降方向的步长计算

一般地,无约束优化问题的最速下降为方向的步长计算由近似估计得到。本文给出了一种计算步长的方法,此方法的优点为：若在此下降方向上解存在,那么新方法以较少的计算量确定解的存在区间（基于０．６１８法）及在局部计算时,用约２／３的一维差分Ｎｅｗｔｏｎ法的计算量求得在下降方向上误差精度充分同的近似解（基于二次多基逼近法）。     

一类无约束离散minimax问题的区间算法

讨论了一类由二阶连续可微函数构成的无约束离散 minimax问题 .通过建立极大函数的区间扩张 ,并将无解区域的凹凸性检验原则和区间 Newton迭代法引入这类特殊不可微优化问题中 ,建立了区间算法 ,证明了算法的收敛性及相关结论 ,给出了数值算例 .用该方法可以同时求出问题的 minimax值和全部 minimax点 ,数值结果表明其方法是可靠和有效的     

无约束优化问题的一种新的变尺度法

借助于三角分解和直接列修正技巧，对无约束优化问题提出一种新的变尺度法，并给出算法的收敛阶和在不精确线搜索下的大范围收敛性；数值结果及与ＢＦＧＳ法等其它变尺度法的数值比较。     

解无约束最优化问题的一个非单调的新的BFGS信赖域算法

给出了一个解无约束最优化问题的非单调的新的BFGS校正的信赖域算法.将非单调算法应用于解信赖域问题,前人已卓有成效.本文的关键之处就是提出了新的BFGS校正公式,此算法具有较好的性质,所给的BFGS校正的具有二次约束的信赖域子问题总保证校正矩阵是正定的,也即信赖域子问题是严格凸二次规划.在较少的假设条件下还结合相关理论证明了所提供的算法具有全局收敛性.     

解无约束最优化问题的一个非单调的新的BFGS信赖域算法

给出了一个解无约束最优化问题的非单调的新的BFGS校正的信赖域算法．将非单调算法应用于解信赖域问题。前人已卓有成效．本文的关键之处就是提出了新的BFGS校正公式,此算法具有较好的性质。所给的BFGS校正的具有二次约束的信赖域子问题总保证校正矩阵是正定的。也即信赖域子问题是严格凸二次规划．在较少的假设条件下还结合相关理论证明了所提供的算法具有全局收敛性．     

一种基于无约束最优化的多用户检测算法

在码分多址（CDMA）系统中提出了一种基于无约束最优化的近最大似然多用户检测算法。最大似然检测算法可以看成是一个具有约束条件的组合优化问题,所提出的算法通过放松这个组合优化问题的约束条件,将最大似然检测算法转化成为一个无约束最优化问题,并利用无约束最优化问题的解来近似得到最大似然解。数值结果显示：无论在加性高斯白噪声信道（AWGN）下,还是在随机时变多径信道下,该算法都与最大似然检测的性能都十分接近,同时其复杂度在用户数比较大时仅与线性检测算法相当。     

一个与Powell搜索相结合的混合免疫进化算法

提出一个求解无约束最优化问题的新的混合算法-Powell搜索法和免疫进化算法的混合算法.该算法不需要计算梯度,容易应用于实际问题中.通过对免疫进化算法的修正,使混合算法具有更加精确和快速的收敛性.本文主要目的是通过加入混合策略说明免疫进化算法是能够被改进的.利用4个基准测试函数进行仿真计算比较,结果表明新混合算法在解的搜索质量、效率和关于初始点的鲁棒性都远优于免疫进化算法.仿真结果表明了新算法是求解无约束最优化问题的一个高效的算法.     

一种有效的求解无约束最优化问题的算法──负参数正定 Broyden 族方法的效能探索

提出了Ｂｒｏｙｄｅｎ族变尺度法的一种新的计算机实现方法，其中，参数θ在不同迭代中取不同的值，并尽量满足θ＜０提出了参数θ的几种选取规则，并给出利用不同选取规则形成的不同算法求解典型例题的计算结果，与ＢＦＧＳ法比较，说明新方法是一种有效的求解无约束最优化问题的算法