在Armijo型线搜索下LS方法的全局收敛性

提出一种新的Armijo型线搜索，并证明了在此搜索下LS方法的全局收敛性。新Armijo型线搜索能够使LS方法找到合适的初始步长，从而使LS方法更好的运行。数值试验表明在新Armijo型线搜索下的LS方法是有效的。     

修改的LS共轭梯度法在强Wolfe条件下的全局收敛性(英文)

提出一种修改的LS共轭梯度法.在精确线搜索下,该方法可归结为LS共轭梯度法.在非精确线搜索下,它满足充分下降条件gkTdk≤-3/4∥gk∥2.本文还证明了其在强Wolfe条件下的全局收敛性.初步的数值结果表明该方法是有效的.     

一个混合CD-LS共轭梯度法

在CD方法和LS方法的基础上,提出了一个混合的CD和LS共轭梯度法来求解无约束最优化问题;在适当的条件下,即可证明该方法在Wolfe线性搜索下对一般函数具有全局收敛性.     

修正LS共轭梯度方法及其收敛性

提出了一种有效的修正LS共轭梯度方法.该方法在每一步迭代中均产生一个充分下降方向,且不依赖于任何线搜索.在强Wolfe线搜索下,讨论了新方法对一般目标函数的全局收敛性.最后,与著名的PRP方法、CG-DESCENT方法比较,大量的数值试验表明,修正LS共轭梯度方法对给定的测试问题是有效的.     

一个修正的三项LS共轭梯度法

基于已有的共轭梯度法的思想,提出了一个三项LS共轭梯度方法,该方法能保证搜索方向在不需要任何线搜索下具有充分下降性,并在适当条件下获得此方法对一般函数的全局收敛性.     

Armijo搜索下改进的LS共轭梯度法

共轭梯度法是求解无约束优化问题的一类重要方法。通过调整搜索方向,提出了一类改进的LS共轭梯度法,该方法在每步迭代中都能不依赖于任何搜索而自行产生充分下降方向。在精确搜索下,该算法将还原为原LS方法。在适当的条件下,获证了该法在Armijo搜索下,即使求解非凸函数极小化的问题,算法也全局收敛。同时,数值实验表明该算法可以有效求解优化问题。     

修改Broyden族在一类非精确线搜索下的全局收敛性

将一类W olfe类线搜索模型的LS搜索模型与文献[10]提出的修改B royden族(M BC 1和M BC 2)相结合,得到M BC 1算法和M BC 2算法,并证明M BC 1算法和M BC 2算法在LS搜索模型下具有全局收敛性.     

一种带强Wolfe线搜索的CD和LS混合共轭梯度算法

在CD方法和LS方法的基础上,结合二者的优势,提出了一种求解无约束优化问题的混合共轭梯度算法,并在强Wolfe线搜索下证明了算法的全局收敛性;数值实验结果表明算法是有效的.     

一种求解大规模非光滑优化问题的共轭梯度法

针对大规模非光滑优化问题,利用Moreau-Yosida正则化技术和Armijo-type线搜索技术,设计了一种修正LS共轭梯度算法.算法的搜索方向不仅满足充分下降条件,而且具有信赖域性质.可以证明新算法在适当条件下全局收敛.初步的数值实验表明,新算法在求解大规模非光滑无约束凸优化问题方面比LMBM方法和MPRP方法更有效.     

Armijo型线搜索一个修正LS共轭梯度法的全局收敛性 (运筹学与控制论)

提出一个新的修正Liu-Storey共轭梯度(MLSCG)算法。在精确线搜索下MLSCG算法化归为标准的Liu-Sto-rey(LS)共轭梯度算法。MLSCG算法产生的搜索方向不依赖于所使用的线搜索准则而具有充分下降性。本文证明了MLSCG算法在一个Armijo型线搜索下具有全局收敛性。数值试验表明,对于多数算例MLSCG算法比PRP、HS、LS等算法具有更好的计算结果。     

无约束非线性规划的新解法——正交搜索法

本文建立一种解无约束非线性规划问题的新方法——正交搜索法,即利用正交表来搜索问题的最优解。本文讨论了正交搜索法的原理,并提出了搜索方法的具体步骤。最后,给出了利用本方法求解的两个实例。     

一种充分下降的DY共轭梯度法及其收敛性

基于已有的DY方法和HZ方法,提出了一种修正的DY共轭梯度法(MDY算法)。该算法产生的搜索方向为充分下降方向,且这一性质与所采用的线搜索方法无关。在一定的条件下证明了保守MDY算法(CMDY算法)基于Armijo线搜索和Wolfe线搜索求解非凸优化问题的全局收敛性。相关的数值试验结果验证了该方法的有效性。     

一种新的非单调线搜索方法

给出一种新的非单调线搜索方法,并用数值实验来验证其优越性.新方法能够确保WYL共轭梯度法的全局收敛性,实验效果比Armijo线搜索更好.     

用于H．264／AVC帧间预测的搜索算法

H．264／AVC标准编码过程中多步搜索（multi-step search method,MSSM）搜索点数多、占用的搜索资源大,而钻石搜索法（DSM,diamond search method）虽然占用的搜索资源少,其在预测准确性却有些欠缺．在此提出了改进的多步搜索算法（MSSM＋）．MSSM＋是在MSSM的基础上改进的,将其第1步搜索步长减半作为自己的第1步搜索步长,通过中心点匹配逐步减半搜索步长,直至搜索步长为1,并找到最终的匹配块．仿真结果表明,MSSM＋在预测准确性方面接近MSSM,而在搜索点数方面却有显著降低,提高了搜索效率,相对于DSM算法,在增加不多的搜索点数情况下取得了良好的预测准确性．     

一种Armijo搜索下的谱共轭梯度法

基于文献[6]中的βkb的构造方法,提出了一种新的谱共轭梯度法,证明了该方法不依赖于任何线搜索具有充分下降性,在Armijo线搜索下证明了算法具有全局收敛性.数值试验结果表明：在Armijo线搜索下,该方法明显优于SFRA、SPRPA算法.     

一类具有充分下降性的DL共轭梯度法

针对无约束优化问题,利用两项共轭梯度法(DL方法)去逼近改进的HS三项共轭梯度法,提出了改进的DL共轭梯度法即MDL共轭梯度法.该方法相对于DL方法具有一个更好的性质,即该共轭梯度法的搜索方向不依赖任何线搜索就可满足充分下降条件,理论上证明了该方法在Wolfe线搜索条件下对一般函数具有全局收敛性.     

一种结合K-Means的层次化的搜索结果聚类方法

针对用户在搜索结果列表中寻找所需信息困难的问题,在分析了Web搜索结果的特点的基础上,提出了一种结合K-Means的层次化方法对搜索结果进行聚类,并通过向用户提供查询结果的类别标签分类显示结果,从而大大提高可浏览性.同时,在该方法的基础上设计并实现了一个搜索结果聚类原型系统,实验结果表明新方法是可行的.     

膜系自动设计的优化技术研究

文章概述了国内外光学薄膜系自动设计方法的研究进展,对各类光学薄膜的优化设计方法进行了阐述,重点比较了阻尼最小二乘法、遗传算法和needle法;提出未来的膜系设计必将是多种优化技术相结合,在局部寻优中引入全局寻优,在全局寻优中加强局部寻优。     

利用状态空间进行问题求解

状态空间表示法是一种重要的知识表示方法。搜索是求解问题的一种有效的方法，而和搜索相对应的知识表示法一般有两种：一种是与或树表示法，另一种就是状态空间表示法。状态空间表示法可以利用状态空间求解问题的步骤及代价树的宽度优先搜索策略求解推销员旅行问题。