一种求解无约束优化问题的共轭梯度法

共轭梯度法是求解大规模无约束问题的一种有效方法,本文针对算法的优劣主要依赖于步长因子和搜索方向的特点,结合共轭梯度法的共轭性质,在HS方法和DY方法的基础上,提出了一种混合共轭梯度法,并证明了全局收敛性.     

一类不带线搜索的单参数共轭梯度法的全局收敛性

共轭梯度方法是求解大规模优化问题的一种非常有效的方法.近年,戴彧虹和袁亚湘提出了一种三参数共轭梯度法,并证明了这种方法的收敛性.然而,线搜索技巧往往会增加计算的复杂度,为了克服这个缺点,孙捷和张家普又提出了一种叫做不带线搜索的共轭梯度方法.该文的主要工作就是把这种不带线搜索技巧,应用到三参数共轭梯度法的一种特殊情况上,并证明其收敛性.     

一种混合的共轭梯度法

共轭梯度法是求解大规模无约束问题的一种有效方法.针对算法的优劣主要依赖于步长因子和搜索方向的特点,结合共轭梯度法的共轭性质,提出一种改进的可以控制步长因子的混合的HS-DY共轭梯度法.数值试验表明算法具有良好的收敛性和有效性.     

一种非线性扩展混合共轭梯度算法的全局收敛性

描述了非线性FR共轭梯度法、非线性PRP共轭梯度法、非线性DY共轭梯度法等求解大规模无约束优化问题的有效算法.研究了计算更为有效的适合求解无约束优化问题的一种非线性扩展混合共轭梯度算法;给出了在Wolfe型线搜索下的非线性扩展混合共轭梯度法,算法产生的方向为下降方向.在一般的条件下,给出了算法的全局收敛结果,且数值实验表明算法十分有效.     

一种求解无约束优化问题的新混合共轭梯度法

在现有共轭梯度方法的基础上,提出一种新混合共轭梯度法来求解无约束最优化问题.该方法采用近似方法去逼近Hessen矩阵,克服了传统牛顿法求解Hessen矩阵中存在的计算量大等问题,并在强wolfe线搜索技术下给出该共轭梯度算法的全局收敛性证明.实验结果表明,与PRP(Polak-Ribiere-Polyak)方法和HYBRID(混合)方法相比较,该文提出的新混合共轭梯度算法的迭代时间少于前两者方法,说明该文方法可行、有效.     

一种新线性搜索下的混合共轭梯度法

共轭梯度法是求解大规模无约束问题的一种有效方法，文章针对算法的优劣主要依赖于步长因子和搜索方向的特点，结合共轭梯度法的共轭性质，在HS方法和DY方法的基础上，提出了一种混合共轭梯度法，并证明了全局收敛性。     

Wolfe线搜索下一类带误差的共轭梯度法

共轭梯度法是求解大型最优化问题的一类非常有效的方法,但在计算过程中可能会出现误差.分析了一种采用Wolfe线搜索的带误差的共轭梯度法,在误差界满足一定条件的情况下,证明了该方法的全局收敛性.     

无约束优化问题的一种新的共轭梯度法

为了求解无约束优化问题,提出了一种新的共轭梯度法,并证明了其在适当的条件下满足全局收敛性.初步的数值结果表明新的共轭梯度法是有效的.     

不完全左共轭梯度法及其数值表现

由于左共轭梯度算法没有短迭代公式,因而计算左共轭梯度方向的代价会随着迭代次数的增多而不断提高.为了节约存贮量、减少计算成本,有效的不完全左共轭梯度技巧显得非常必要.本文介绍两种不完全左共轭梯度的基本算法:有限内存左共轭梯度法和重开始的左共轭梯度法,并从不同角度对两种方法进行数值分析.此外,我们还给出相应的块左共轭梯度算法的不完全格式,也恰好是克服不完全左共轭梯度法中断的一个有效技巧.     

一种改进的非线性共轭梯度法

共轭梯度法是求解大规模无约束优化问题的一种有效方法,对DY共轭梯度法的搜索条件进行了改进,并证明在新的Wolfe搜索条件下DY共轭梯度法具有全局收敛性,此方法的改进,为求解大规模无约束优化问题以及各种算法在今后的研究提供了参考。