分段光滑问题的生成集搜索方法

@第{Bogani2009GeneratingSS条,title={分段光滑问题的生成集搜索方法},author={C.Bogani和Maria Grazia Gasparo和Alessandra Papini},日志={SIAM J.Optim.},年份={2009},体积={20},页码={321-335},url={https://api.sympicscholar.org/CorpusID:14212429}}
提出了一种生成集搜索方法,称之为结构化,因为利用当前迭代附近不可微集的结构来定义每次迭代的搜索方向。

本文图表

不连续函数的直接搜索分析

结果表明,当函数值在极限点收敛到函数值时,Rockafellar导数沿这些不成功迭代子序列的极限方向也是非负的。

不连续函数的直接搜索分析

众所周知,Clarke广义方向导数沿方向直接搜索方法生成的极限方向在某些子序列的极限点上是非负的

有限极小极大问题的无导数优化方法

本文提出了鲁棒单纯形梯度下降方向的概念,并用它来加速收敛,证明了所得到的算法符合方向搜索框架。

直接搜索方法

直接搜索方法是一类不显式使用导数的优化技术。相反,他们直接使用目标函数的值来驱动搜索

非光滑优化中直接搜索方法的平滑和最坏情况复杂度

一些初步的数值经验表明,所提出的平滑直接搜索方法可以获得更好的目标函数值,在某些情况下会进一步推动优化,显然不会增加函数求值的次数。

求解斜面的一种新的数值方法

提出了一种求解斜1 Procrustes问题的生成搜索集方法,并给出了一些数值实验结果。

无导数优化中的自适应插值策略:一个案例研究

结果表明,用于构建模型的函数求值次数对算法性能有很大影响,而自适应策略既可以提高算法性能,也可以阻碍算法性能。

斜▽1凸壳问题的GSS方法

本文报道了一种求解斜1 Procrustes问题的生成搜索集方法和一些数值实验的结果。

最坏情况优化的自适应场景子集选择及其在布井优化中的应用

一种称为自适应场景子集选择(AS3)的新方法,它减少了仅对一个场景子集而不是所有场景执行仿真所需的仿真次数,并通过将AS3与协方差矩阵自适应进化策略(CMA-ES)相结合,开发了一种新的优化算法。

无不确定性的优化应用于模拟

现象模型化使问题复杂化,而工业问题则取决于模拟数值代码的状态。Ces模拟器peuvent etre tres couteux en temps

离散L1近似的模式搜索方法

每次迭代的搜索方向集的定义方式是,它符合当前迭代附近不可微点集的局部几何,这对确保收敛至关重要。

线性l∞问题的一种全局二次收敛方法

针对线性$l_infty$问题,提出了一种新的全局二次收敛算法。此方法通过生成下降直接处理分段线性$l_\infty$问题

约束优化的无目标导数方法

结果表明,这些不显式利用目标函数导数的约束极小化可行下降方法在约束的某些正则性假设下具有理想的收敛性。

实现线性约束极小化的生成集搜索方法

本文讨论了最先进的计算几何方法如何使其能够解决在原点具有退化顶点的圆锥体的极端光线的问题,这是一个难题。

关于无约束最优化无导数方法的全局收敛性

建立了只使用函数值的无约束极小化方法的一般收敛理论,这些条件有助于开发和分析新的保证全局收敛的无导数算法。

最小化复合目标函数的梯度方法

本文分析了几种求解优化问题的新方法,其目标函数由两个凸项之和构成:一个是光滑的,由黑盒预言给出

线性约束优化中发电机组搜索的平稳性结果

添加了一个新的条件来定义具有若干计算优势的一致搜索方向集,并导出了一个与平稳性度量相关的界,该界等价于无约束情况下目标梯度的范数。

线性约束极小化的模式搜索方法

提出了一类可行点模式搜索算法,并证明了其全局收敛于Karush—Kuhn—Tucker点。

在求解l∞意义下的超定线性系统时,原方法优于对偶方法?

提出了一种原始方法,并证明了对于随机问题,首选原始方法,并且表明,该方法通常被认为是线性范数中离散线性近似的最佳算法,实际上其效率很大程度上归功于有效选择起点。