求解非线性互补问题的一类光滑牛顿算法

来源 :南京航空航天大学 | 被引量 : 0次 | 上传用户:yhmlivefor49
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
互补问题自1963年首次提出以后便得到了广大研究者的重视,一直是数学规划研究中较为活跃的分支,在求解互补问题的算法的研究领域也取得了丰硕的成果。本文一方面基于现有的各种光滑牛顿法的思想和半光滑理论,利用著名的Fischer-Burmeister互补函数的光滑形式,首先将互补问题的求解转化为求解一系列光滑的非线性方程组,然后用牛顿法求解该系列方程组,从而得到了互补问题的一类光滑牛顿算法,光滑因子 和控制函数 的引入使得该算法全局收敛并在一定条件下局部超线性收敛;另一方面,鉴于求解最小二乘问题的算法的研究比较成熟,本文给出一个新的互补函数,利用该互补函数将互补问题转化为一个最小二乘问题,进而构造了互补问题的L-M算法并从理论上给出了最小二乘问题的解是原互补问题解的一个充分条件。数值实验也进一步说明了该算法的高效性。 全文共分为四章,各部分内容安排如下:第一章是绪论部分,介绍了互补问题的应用背景和近年来有关互补问题求解方法的研究成果,并简单介绍了本文的主要研究内容;第二章是本文的重点,构造了求解互补问题的一类光滑牛顿法,从理论上证明了算法的全局收敛性和局部超线性收敛性;第三章给出了一个新的互补函数,利用此函数将互补问题转化为一个最小二乘问题,从而得到了互补问题的L-M算法并取得了很好的理论和数值效果;最后一章是对本文的总结和对将来研究工作的展望。
其他文献
本文考虑如下Boussinesq方程组的Cauchy问题:ut+(u·▽)u+▽p=γ△u+θf,(x,t)∈R3×(0,+∞),θt+(u·▽)θ=ε△θ,(x,t)∈R3×(0,+∞),divu=0,(x,)∈R3×(0,+∞),u(x,0)=u0(
对给定的矩阵,求其结构化的低秩逼近矩阵出现在控制工程、通讯工程、模式识别、分子构成等许多实际应用领域。本文研究一个给定矩阵的低秩Hankel最佳逼近及其加权逼近的问题。
神经元网络是当前神经元研究的主要方向,它对揭示人脑信息传输与储存原理有着积极作用,而theta-神经元模型是目前研究神经元网络的重要模型之一.本文基于一维theta—神经元网络
随着网络和现代通信技术的飞速发展,数字化多媒体信息的安全问题正日益成为人们关注的焦点。20世纪90年代以来,信息隐藏成为信息技术领域的一大研究热点。信息隐藏的目的是在
复方法是研究偏微分方程的强有力的工具,本文主要对Clifford分析中广义正则及超正则函数的几个边值问题,平面上的一类退化二阶方程的斜微商边值问题进行研究,推广了一些已有的结