简单界约束优化的仿射尺度内点信赖域算法的收敛性

来源 :苏州大学 | 被引量 : 0次 | 上传用户:skb09
下载到本地 , 更方便阅读
声明 : 本文档内容版权归属内容提供方 , 如果您对本文有版权争议 , 可与客服联系进行内容授权或下架
论文部分内容阅读
在建立简单界约束优化问题的局部收敛结果时,多数论文均假设在解处严格互补条件成立.该文在去掉了这一假设的基础上发展出一种既全局收敛又局部二阶收敛的仿射尺度内点信赖域算法.首先考虑用拟-Newton法解简单界约束优化问题的一阶KKT条件,从中建立了一个二次模型.每步迭代解一个信赖域子问题,即在一个椭球约束下极小化一个二次函数.再使用投影来保持迭代点严格可行,并根据目标函数及其近似来决定是否接受尝试步.其次我们建立了收敛到一个稳定点的全局收敛结果,即若{x<,k>}是由仿射尺度内点信赖域法产生的序列,则序列的每个极限点都是问题的一个稳定点.另一方面,假设在迭代的极限点<->x处只成立强二阶充分最优条件,而严格互补条件并不要求,我们的主要结果表明序列{x<,k>}以二阶的速度收敛到<->x.从而得到了算法的局部收敛结果.最后我们用一个数值例子说明了理论分析和数值试验结果的一致性.
其他文献
图G正常边染色π是映射π:E(G)→{1,2,…},使得任何两条相邻的边无同一象.G的边色数是其边染色全体象的基数中最小值,用x(G)表示.Vizing定理:G是最大度为△的简单图,则x(G)=
图的着色问题在图论中占有重要地位.着色问题实质上就是划分问题,一种色对应于划分的一个部分.在经典着色问题中,我们将图的顶点(边)着色要求相邻的顶点(边)着不同的颜色.该
在第一章中,讨论了May谱序列E1项E=E(h|i>0,j≥0)(×) P(b)i>0,j≥0)(×) P(a|i≥0)在某些特殊维数和次数时的具体生成元情况.并由此得出Ext(HV(2),Z)=00≠h0b∈Ext(HV(2),Z)
T是中间意义下的渐进非扩张映射和强逐次伪压缩映射,则三种迭代(改进的Mann迭代, 改进的Lshikawa迭代和改进的三重迭代的收敛性是等价的。
本文分为四章,主要讨论竞赛图中的泛路、泛圈问题,特殊图类的泛路问题及局部竞赛图中的泛路问题。  第一章介绍了图论发展的历史背景和文章中所用到的图论方面的一些基本概
该文主要讨论了投资活动过程中的三个问题:如何进行资产配置、股票的估值估价问题、投资组合再调整问题.在第一章主要介绍了国内外学者在投资组合领域中的重要成果及相关结论
该文讨论了几类具连续变量的差分方程及差分系统周期解的存在性,获得了一系列新结果,推广了具离散变量的差分方程的相关结论.同时,该文详细研究了具连续变量差分方程周期解的
学位