

版權(quán)說(shuō)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(qǐng)進(jìn)行舉報(bào)或認(rèn)領(lǐng)
文檔簡(jiǎn)介
1、本文旨在研究關(guān)于非線性方程組和互補(bǔ)問(wèn)題的無(wú)導(dǎo)數(shù)下降方法。本篇論文分為兩大部分。其中第一部分主要針對(duì)非線性方程組,研究了在無(wú)導(dǎo)數(shù)線搜索條件下Broyden-Like擬牛頓算法的全局收斂性。第二部分主要討論了求解互補(bǔ)問(wèn)題的無(wú)導(dǎo)數(shù)下降算法,并分析了其整體收斂性。整篇論文的主要內(nèi)容如下:
第一章,首先簡(jiǎn)單介紹了非線性方程組的發(fā)展概況和擬牛頓方法,然后概述了互補(bǔ)問(wèn)題的起源以及各種互補(bǔ)問(wèn)題的定義,最后提出本文的主要內(nèi)容。
第二章
2、,文獻(xiàn)[33]中提出的線搜索在算法的全局收斂性證明過(guò)程中存在一些不足,針對(duì)這一點(diǎn)我們建立了一個(gè)新的近似模下降無(wú)導(dǎo)數(shù)線搜索,并給出了一個(gè)求解非線性方程組的近似模下降擬牛頓算法,且討論了在此線搜索的基礎(chǔ)上,這一算法所具有的一些有用的性質(zhì),并在本章最后證明了其全局收斂性。
第三章,主要討論了互補(bǔ)問(wèn)題在經(jīng)過(guò)merit函數(shù)的極小化變形之后的解決方法。在這一章考慮了NCP(F)的約束極小化變形,通過(guò)限制的NCP函數(shù)來(lái)構(gòu)造NCP問(wèn)題的mer
溫馨提示
- 1. 本站所有資源如無(wú)特殊說(shuō)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(qǐng)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(qǐng)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(yè)內(nèi)容里面會(huì)有圖紙預(yù)覽,若沒(méi)有圖紙預(yù)覽就沒(méi)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(kù)僅提供信息存儲(chǔ)空間,僅對(duì)用戶上傳內(nèi)容的表現(xiàn)方式做保護(hù)處理,對(duì)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(duì)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(qǐng)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(shí)也不承擔(dān)用戶因使用這些下載資源對(duì)自己和他人造成任何形式的傷害或損失。
最新文檔
- 無(wú)約束最優(yōu)化問(wèn)題無(wú)導(dǎo)數(shù)解法[文獻(xiàn)綜述]
- 無(wú)約束最優(yōu)化問(wèn)題無(wú)導(dǎo)數(shù)解法[開(kāi)題報(bào)告]
- 無(wú)約束最優(yōu)化問(wèn)題無(wú)導(dǎo)數(shù)解法[畢業(yè)論文]
- 最優(yōu)化在物流問(wèn)題中的應(yīng)用研究.pdf
- 窗時(shí)排序問(wèn)題中的最優(yōu)化算法研究.pdf
- 有界約束無(wú)導(dǎo)數(shù)優(yōu)化問(wèn)題的信賴域方法.pdf
- 粒子群算法在最優(yōu)化問(wèn)題中的研究.pdf
- 組合投資最優(yōu)化問(wèn)題中的策略估計(jì).pdf
- 無(wú)約束無(wú)導(dǎo)數(shù)最優(yōu)化的改進(jìn)信賴域算法
- 無(wú)約束無(wú)導(dǎo)數(shù)最優(yōu)化的改進(jìn)信賴域算法.pdf
- 鄰近點(diǎn)算法及其在最優(yōu)化問(wèn)題中的應(yīng)用.pdf
- 約束最優(yōu)化問(wèn)題中的光滑精確罰函數(shù).pdf
- hopfield網(wǎng)絡(luò)學(xué)習(xí)及其在最優(yōu)化問(wèn)題中的應(yīng)用
- 最優(yōu)化問(wèn)題的記憶預(yù)測(cè)方法研究.pdf
- 廣義凸性及其在最優(yōu)化問(wèn)題中的應(yīng)用.pdf
- 解無(wú)導(dǎo)數(shù)優(yōu)化問(wèn)題的非單調(diào)過(guò)濾集網(wǎng)格搜索方法.pdf
- 最優(yōu)化問(wèn)題的Lanczos路徑方法.pdf
- EEG信號(hào)溯源問(wèn)題中的若干優(yōu)化方法研究.pdf
- 最優(yōu)化方法課程設(shè)計(jì)-- 求解各類最優(yōu)化問(wèn)題
- 最優(yōu)化問(wèn)題中廣義隱函數(shù)定理的證明及應(yīng)用.pdf
評(píng)論
0/150
提交評(píng)論