非凸优化的一类改进BFGS算法的收敛性研究

文章对于非凸优化问题采用Wolfe-Powell搜索准则提出了一种改进的BFGS校正,提出了相应的算法,并证明了该算法具有全局收敛性。     

改进的BFGS算法在一种新搜索下的收敛性

李正峰提出了一类改进的BFGS算法,并在目标函数为一致凸的条件下,证明了带有Wolf线搜索的该算法具有全局收敛性.刘光辉提出了一种与回追搜索(backtracking linesearch)有关的可行线性搜索.证明在这种新搜索下,改进的BFGS算法亦-具有全局收敛性.     

改进的BFGS算法在一种新搜索下的收敛性

李正峰提出了一类改进的BFGS算法,并在目标函数为一致凸的条件下,证明了带有Wolf线搜索的该算法具有全局收敛性。刘光辉提出了一种与回追搜索(backtracking linesearch)有关的可行线性搜索。证明在这种新搜索下,改进的BFGS算法亦县有全局收敛性。     

无约束最优化问题中修改的BFGS方法

本文对BFGS公式进行修正,形成了MBFGS公式,并结合Wolfe-Powell型非精确线性搜索准则设计出了MBFGS算法,通过对目标函数合理的假设证明了该算法具有全局收敛性,又运用Matlab编写程序实现了该算法,初步的数值例子表明了该算法是有效的,并且有收敛速度快的特点.     

大规模优化的修正有限存储BFGS算法

针对大规模无约束优化问题,提出非单调线搜索模型,将其用于有限存储BFGS算法,得到一种修正有限存储BFGS算法;继而在适当的条件下,建立算法的全局收敛及超线性收敛性.最后通过数值算例说明算法的有效性.     

一种新参数下的记忆梯度算法

提出了一种记忆梯度法的主要参数的新形式，分析了该算法在Wolfe-Powell搜索下的全局收敛性和线性收敛速度．     

非凸函数的一类改进BFGS算法的全局收敛性

文[1]提出了一类改进的BFGS算法,并在目标函数为一致凸的条件下,证明了算法具有全局收敛性.针对该算法,在目标函数为非凸函数时,提出一个假设条件,证明具有wolf线搜索的该算法亦具有全局收敛性.     

采用WOLFE搜索的BFGS-SQP算法

采用WOLFE线性搜索原则来取代该BFGS－SQP算法的Armijo原则,经过类似的分析,同样得到了BFGS－SQP算法的全局收敛性及超线性收敛性。     

非凸函数的一类改进BFGS算法的全局收敛性

文[1]提出了一类改进的BFGS算法,并在目标函数为一致凸的条件下,证明了算法具有全局收敛性。针对该算法,在目标函数为非凸函数时,提出一个假设条件,证明具有wolf线搜索的该算法亦具有全局收敛性。     

一个修改的非单调BFGS信赖域方法

在MBFGS方法以及一种非单调的搜索技术的基础上,提出了一种非单调BFGS信赖域方法.相对于单调的BFGS信赖域方法而言,该算法采用了非单调技术,使得信赖域子问题的求解更加容易.此外,在一定的假设条件下,证明了算法的全局收敛性.进一步的数值实验验证了算法的有效性.     

强Wolfe-Powell线搜索下共轭梯度法的全局收敛性

给出一类求解非线性无约束优化问题的共轭梯度新算法。 在强Wolfe-Powell线搜索下所给公式具有充分下降性, 所给该新算法具有全局收敛性。     

一类新型的修正WYL共轭梯度算法

针对大规模无约束优化问题,提出一类新型的修正WYL共轭梯度算法。新算法不依赖任何线搜索且具有充分下降性和信赖域性质,在弱Wolfe-Powell线搜索下全局收敛。初步的数值实验结果表明,新算法是有效的,比经典WYL型共轭梯度法更具竞争性。     

一种新的修正 Liu-Storey 共轭梯度法的全局收敛性（英）

在 Liu-Storey(LS)公式的基础上给出了一个修正的共轭梯度公式 beta _k^MLS. 证明了该新公式在 Wolfe-Powell 线搜索下, 甚至在强 Wolfe-Powell 线搜索下, 在满足sigma in bigg(0,textstyle1 over 2bigg) 的同时, 新算法具有充分下降性和全局收敛性. 数值结果展现了算法的可行性.     

基于PRP和HS公式产生的一个共轭梯度公式

根据PRP和HS公式具有相同分子只是分母不同的相似性,通过适当的结合和构造,给出一个新的共轭梯度公式.证明该公式的新方法在强Wolfe-Powell线搜索下具有充分下降性,在适当的假设和弱Wolfe-Powell线搜索下具有全局收敛性,并用数值试验证实新方法是有效的.     

一类拟牛顿算法的收敛性

根据一类基于新拟牛顿方程Bk 1sk=yk*的修改BFGS类算法,采用广义W olfe线搜索模型(GW搜索模型):f(xk 1)≤f(xk) δkαgTkdk和g(xk 1)Tdk≥m ax{,σ1-(kα‖dk‖)p}gTkdk,其中0<δ≤σ<1,p∈(-∞,1),得到一类修正的BFGS算法(M BFGS),证明了M BFGS算法的全局收敛性和超线性收敛性.数值试验结果表明M BFGS算法是有效的.     

修正LS共轭梯度法及其全局收敛性

提出一类求解无约束优化问题的修正LS共轭梯度法,算法采用一个新的参数公式．在适当条件下,证明算法满足充分下降条件,进而证明在采用广义Wolfe-Powell线搜索和强Wolfe-Powell线搜索时,算法全局收敛．初步的数值试验结果显示方法是有效的．     

求解非凸函数极小问题的一类改进BFGS算法的收敛性分析

提出了一类求解无约束最优化问题的改进BFGS算法,主要讨论了该算法在Wolfe搜索下的全局收敛性.数值试验结果表明新算法是有效的.     

采用WOLFE搜索的BFGS—SQP算法

X.Chen给出了一个用于解决LC^1线性约束优化问题的BFGS－SQP算法,这个算法是用Armijo线性搜索原则来求步长的。采用Wolfe线性搜索原则来替代该BFGS－SQP算法的Armijo原则,经过类似的分析,同样得到了BFGS－SQP算法的全局收敛性及超线性收敛性。     

大规模有界约束优化中带非单调线搜索的子空间有限记忆BFGS方法

本文提出了一个大规模有界约束优化的积极集算法。积极集利用ε-近似技术识别。搜索方向有两部分构成：非积极变量所在空间的搜索方向采用有限记忆BFGS方法计算;另一部分通过一个显式计算。最后,在较弱条件下,证明了算法具有全局收敛性。