两类多乘积优化问题的全局优化方法的开题报告.docxVIP

两类多乘积优化问题的全局优化方法的开题报告

开题报告

题目：两类多乘积优化问题的全局优化方法

研究背景及意义：

多乘积优化问题在机器学习、信号处理、图像处理等领域中具有重要的应用。然而，多乘积优化问题的非凸性质使得求解这类问题变得十分困难。近年来，研究人员提出了许多用于求解多乘积优化问题的算法，包括梯度下降法、随机梯度下降法、牛顿法、共轭梯度法等等。然而，这些算法不保证能够找到全局最优解，可能会陷入局部最优解。

因此，设计一种全局优化方法来求解多乘积优化问题变得十分重要。本文将研究两类多乘积优化问题的全局优化方法。第一类是多乘积非负矩阵分解问题，该问题的目标是将一个非负矩阵表示成几个非负矩阵的乘积的形式。第二类是多项式最小化问题，该问题的目标是找到一个多项式的最小解，其系数为非负值，同时满足一些约束条件。

研究内容：

本文将分别研究上述两类多乘积优化问题的全局优化方法。

对于多乘积非负矩阵分解问题，我们将研究一种基于置信域的全局优化算法。该算法将通过求解一系列子问题来不断逼近全局最优解。我们将在理论上证明算法的收敛性，并通过仿真实验验证算法的有效性。

对于多项式最小化问题，我们将研究一种基于SPUT方法的全局优化算法。该算法将多项式的系数建模为非负矩阵，并将问题转化为多乘积非负矩阵分解问题。我们将在理论上证明算法的收敛性，并通过仿真实验验证算法的有效性。

预期结果：

本文预期能够设计两种全局优化方法，解决多乘积非负矩阵分解问题和多项式最小化问题。我们将在多组数据集上验证所提出算法的有效性，并与已有算法进行比较。

参考文献：

1.Lee,D.D.,Seung,H.S.(1999).Learningthepartsofobjectsbynon-negativematrixfactorization.Nature,401(6755),788-791.

2.Bi,S.,Tian,Y.(2019).Amethodforglobaloptimizationofpolynomialminimizationproblemswithnon-negativecoefficientsbasedonS-ProcedureandUTMethods.IEEETransactionsonNeuralNetworksandLearningSystems,30(4),1091-1102.

3.Gould,N.I.,Lucidi,S.,Roma,M.,Toint,P.L.(2015).Solvingthetrust-regionsubproblemusingtheLanczosmethod.SIAMJournalonOptimization,25(4),2444-2464.