一类具有充分下降性修正的DL共轭梯度法

基于DL共轭梯度方法,提出了一类修正的DL方法来解决无约束优化问题.该方法相对于DL共轭梯度方法具有一个更好的性质,即在强Wolfe线搜索条件下搜索方向具有充分下降性;证明了该方法在强Wolfe线搜索条件具有全局收敛性.     

一类混合的DL-WYL共轭梯度法

共轭梯度法因为其迭代简单和低存储等特点,在工程问题、金融模型等许多实际领域中得到广泛的应用;针对大规模无约束优化问题,提出了一类混合的DL-WYL共轭梯度法——LHSDL方法,它可以看作是一类修正的DL共轭梯度法,即利用一个数值效果和理论结果均良好的Wei-Yao-Liu型共轭梯度法的共轭参数去修正DL共轭梯度法的第一项;它也可以看作是一类修正的WYL共轭梯度法,通过添加DL共轭梯度法的第二项,使该方法可能含有一些Hessian信息。LHSDL方法相对于DL方法具有一个较好的性质,即在强Wolfe线搜索条件下具有充分下降性,并且理论证明了LHSDL方法对于一般函数具有全局收敛性;数值实验是在CUTEr集的一组无约束优化测试问题上进行的,由Dolan和Moré的性能曲线图表明:LHSDL方法略优于DK+方法和MNVHS方法。     

带有最优参数选择的修正DL共轭梯度法

利用矩阵条件数的求解方法,求解基于MBFGS割线条件的修正DL共轭梯度法中的参数t,提出带有优选参数的修正DL共轭梯度法;假设搜索方向有下降性,并通过强Wolfe线搜索求解步长,证明了新的共轭梯度法对一般函数有全局收敛性;最后比较了新的共轭梯度法的数值有效性。     

一种三项CD共轭梯度法及其全局收敛性

在前人提出的三项PRP共轭梯度法的基础上,提出了一种三项CD共轭梯度法.与以往求解无约束优化问题的经典二项共轭梯度法不同,该算法的搜索方向是三项的,且在任何线性搜索下都具有充分下降性.在适当的条件下,证明了三项CD共轭梯度法在强Wolfe线性搜索下具有全局收敛性.     

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.     

一种线搜索下三项共轭梯度法的全局收敛性

文章〈Hestenes-Stiefel共轭梯度法的全局收敛性〉中提出一新型线搜索条件,根据这一新型的线搜索条件以及一般三项共轭梯度法的方向计算公式,证明了一般三项共轭梯度法在这一线搜索下的全局收敛性.     

两个修正的DL共轭梯度法

基于带有割线条件的DL方法,提出了两个满足改进的割线条件的修正共轭梯度方法——MDDL1方法与WMDDL1方法.在步长满足Wolfe线搜索的条件下,证明了MDDL1方法具有充分下降性;进一步地证明了WMDDL1方法不依赖任何线搜索具有充分下降性;最后分析和证明了两个方法在步长满足强Wolfe线搜索的条件下对一般函数均具有全局收敛性.     

一种新的谱共轭梯度法及其全局收敛性（英文）

共轭梯度法因具有迭代简单、收敛性和低内存等优点而在求解大型优化问题中发挥着重要作用。本文对已有文献中的共轭参数RMILβk进行改进,得到了一种新的谱共轭梯度法。该方法每步迭代产生的搜索方向具有下降性。在适当的条件下,该方法在Armijo线搜索和Wolfe线搜索下均具有全局收敛性。数值试验表明,该方法可行有效。     

一个新的PRP三项共轭梯度法及其收敛性

针对无约束优化问题,提出了一个新的线搜索条件.根据这个新的线搜索条件和三项共轭梯度法的计算公式,证明了一个修正的PRP三项共轭梯度法的收敛性.数值结果表明了算法的有效性.     

改进的多参数非线性共轭梯度法的全局收敛性

利用共轭条件,提出一个改进的多参数共轭梯度法,并证明了算法在SWP线性搜索下具有全局收敛性.     

一种修正的HS共轭梯度法及其全局收敛性

对经典的HS共轭梯度法进行了修正,保证了搜索方向的充分下降性,这一性质在非精确线搜索和非凸函数情形下也是成立的.在适当的假设下证明了强Wolfe线搜索下算法的全局收敛性,数值实验表明算法数值效果良好.     

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.     

Armijo线搜索下谱共轭梯度法全局收敛的一个充分条件

在一般假设下,提出并证明了Armijo线搜索下谱共轭梯度法全局收敛的一个充分条件,分析了充分条件的优越性。分析结果表明:1)该充分条件的一个推论是文献[9]中定理1弱化后的结果;2)谱参数对谱共轭梯度法的全局收敛性起着重要的调节作用;3)该充分条件为构造全局收敛的谱共轭梯度法提供了依据。     

一类修正LS谱共轭梯度法的全局收敛性 (运筹学与控制论)

谱共轭梯度法是一类将共轭梯度法和谱梯度法相结合的方法。2001年由Birgin和Martinez首先提出,但该方法不能保证始终产生下降方向。本文用已有的修正方法,给出一个修正的Liu-Storey公式,并结合谱梯度法,提出了一个具有充分下降性的修正Liu-Storey谱共轭梯度法,证明了该方法在标准Armijo非精确线搜索下的全局收敛性,并易推知该方法在Armijo-Goldstein非精确线搜索准则下同样满足全局收敛性。给出的数值实验表明,新算法略优于LS方法。     

下降对称的Polak-Ribiere-Polyak共轭梯度法

应用Powell对称化技术于Polak-Ribiere-Polyak共轭梯度法,提出了一种下降对称的Polak-Ribiere-Polyak共轭梯度法.对任意线性搜索,它都满足下降性质.在强Wolfe线搜索的条件下,利用矩阵的谱分析和Zoutendijk条件,证明了此算法的全局收敛性.最后,通过数值实验并且与Polak-Ribiere+(PR+)算法作比较,验证了该算法的性能和有效性与实用性.     

求解无约束优化的一个新的下降共轭梯度法

基于Dai-Yuan共轭梯度法,本文给出了求解无约束优化的一个非线性共轭梯度法.对任意的线性搜索,该方法满足充分下降条件gTkdk≤-(1-1/4μ)‖gk‖2,μ1/4;而且,对一般的非线性函数,不需限制的下限值,用Wolf线搜索具有全局收敛性.     

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。     

一个修正的NVPRP方法

非线性共轭梯度方法是解决大规模无约束问题最有效的方法之一,提出了一类新的修正共轭梯度算法,新算法推广了黄海东等的共轭梯度参数算法,不依赖任何线搜索且具有充分下降性;然后,在标准Wolfe非精确线搜索下,得到了新算法的全局收敛性.