新线搜索下修正PRP共轭梯度法的全局收敛性及其数值结果

针对大规模非线性无约束问题,采用文献[9]提出的新型线搜索和文献[10]修正PRP公式设计一个新的算法。在适当的条件下,证明新算法具有全局收敛性。初步的数值试验结果表明,新算法是有效的,适合求解大规模非线性无约束优化问题。     

一种修正的三项PRP共轭梯度法

为了更有效求解一类大规模无约束优化问题,克服其他算法普遍存在的算法较为复杂,存储量大和计算机编程难等不足,在传统三项PRP共轭梯度法的基础上,结合近年来关于三项共轭梯度法和新型线搜索的研究成果,定义了一种新的搜索方向,并采用一种新型的线搜索构建了算法,证明了其具有自动充分下降和信赖域的性质,并在适当的条件下证明了其全局收敛性。数值试验结果表明,在求解一类大规模无约束优化问题上新算法比传统三项PRP共轭梯度法更具有竞争性。具有良好收敛性质的新算法为解决一类求解大规模无约束优化问题提供了更高效的算法依据。     

求解非线性单调方程组的修正 三项PRP投影算法

针对求解大规模非线性单调方程组问题,克服其他算法计算复杂、存储量需求和计算量大等不足,基于经典PRP(Polak-Ribière-Polyak)共轭梯度法,设计了一种新的搜索方向公式,结合单调线搜索技术和投影算法,提出一种修正三项PRP投影算法.新算法具有充分下降性和信赖域特征等优点,在适当的条件下新算法具有全局收敛性.初步数值试验结果表明,新算法对选取的测试问题上是有效的,数值表现总体上优于经典PRP共轭梯度法,适合于求解大规模非线性单调方程组.     

一个新线搜索下的修正三项HS共轭梯度法

文章提出一个在新线搜索下的修正三项HS共轭梯度算法,该算法具有以下特性:(1)具有充分下降性质;(2)算法对于非凸函数具有全局收敛性;(3)数值实验结果表明,该算法比传统两项HS和三项HS算法更有效。