2023年全國碩士研究生考試考研英語一試題真題(含答案詳解+作文范文)_第1頁
已閱讀1頁,還剩117頁未讀, 繼續(xù)免費閱讀

下載本文檔

版權(quán)說明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權(quán),請進(jìn)行舉報或認(rèn)領(lǐng)

文檔簡介

1、矩陣優(yōu)化問題(Matrix Optimization Problems)是指目標(biāo)函數(shù)或約束函數(shù)中含有矩陣變量的優(yōu)化問題,這類問題大量出現(xiàn)在工程計算、金融分析、機(jī)器學(xué)習(xí)、數(shù)據(jù)挖掘、高維統(tǒng)計等領(lǐng)域.伴隨著大數(shù)據(jù)時代的來臨,矩陣優(yōu)化(Matrix Optimization)逐漸成為最優(yōu)化領(lǐng)域的一個重要分支.
  在本論文中我們研究了三類矩陣優(yōu)化問題的數(shù)值算法,包括求解一類l22-lpp矩陣極小化問題的光滑化Majorization方法、

2、求解一類半定二次規(guī)劃逆問題的交替方向方法、求解一類阻尼陀螺特征值逆問題的基于加速鄰近梯度策略的增廣Lagrange算法.本論文的主要內(nèi)容概括如下:
  1.論文的第三章研究了求解一類l22-lpp矩陣極小化問題的光滑化Majorization方法,其中l(wèi)22-lpp模型是求解矩陣秩極小化問題的一類非凸正則化模型.首先,借助問題的一階和二階必要條件給出了問題局部最優(yōu)解處非零奇異值的下界估計.然后,使用光滑化技術(shù)和Majorizati

3、on算法來改善lpp矩陣擬范數(shù)的分析性質(zhì),同時構(gòu)造對應(yīng)的光滑化模型、設(shè)計光滑化Majorization算法.收斂性定理表明:由算法生成的迭代點列的任一聚點均滿足l22-lpp矩陣極小化問題的一階必要條件.最后,將提出的算法與非零奇異值的下界估計相結(jié)合應(yīng)用于求解矩陣完整化問題.
  2.論文的第四章研究了一類半定二次規(guī)劃逆問題,并且針對此問題提出了一個交替方向方法.在這一方法中,一個方向的子問題具有顯式解,而另一方向的子問題可以在一

4、些假設(shè)條件下轉(zhuǎn)化為一個定義在低維半正定錐上的嚴(yán)格凸半定二次規(guī)劃問題.進(jìn)一步給出了求解此矩陣優(yōu)化子問題的譜投影梯度算法并證明了其收斂性.數(shù)值結(jié)果表明:與牛頓類算法相比,本論文提出的算法容易操作和編寫相應(yīng)程序,能夠快速地得到問題的最優(yōu)解.
  3.論文的第五章在增廣Lagrange算法框架下考慮阻尼陀螺特征值逆問題的求解算法,其中子問題用加速鄰近梯度算法求解.在通常的假設(shè)條件下,證明了算法的全局收斂性.在沒有任何正則性條件的假設(shè)下,通

溫馨提示

  • 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
  • 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
  • 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁內(nèi)容里面會有圖紙預(yù)覽,若沒有圖紙預(yù)覽就沒有圖紙。
  • 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
  • 5. 眾賞文庫僅提供信息存儲空間,僅對用戶上傳內(nèi)容的表現(xiàn)方式做保護(hù)處理,對用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對任何下載內(nèi)容負(fù)責(zé)。
  • 6. 下載文件中如有侵權(quán)或不適當(dāng)內(nèi)容,請與我們聯(lián)系,我們立即糾正。
  • 7. 本站不保證下載資源的準(zhǔn)確性、安全性和完整性, 同時也不承擔(dān)用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。

評論

0/150

提交評論