一种含参数的修正HS共轭梯度法及其收敛性

提出了一种含参数的修正HS共轭梯度法,该算法具有性质:1参数βBHSk不仅具有梯度值的信息还具有函数值的信息;2参数βBHSk是非负的;3其产生的搜索方向是充分下降的。在合适的条件下,证明了该算法在弱的Wolfe线搜索下具有全局收敛性,数值结果证明了该算法对于求解无约束优化问题的有效性。     

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.     

约束集值优化问题的高阶Wolfe型对偶

利用集值映射的广义高阶邻接上图导数,构建了约束集值优化问题的一类高阶Wolfe型对偶,并建立了相应的弱对偶、强对偶和逆对偶定理.     

具有充分下降性的共轭梯度法及其收敛性

提出了一类新的共轭梯度方法.该方法无需线搜索而具有充分下降性,在Wolfe-Powell线搜索下该方法具有全局收敛性.数值试验表明该方法具有良好的数值结果.     

另一种强Wolfe线性搜索下的共轭梯度法

对求解非线性无约束优化问题中给出了新的参数应用于共轭梯度法;并证明了该方法在强Wolfe线搜索下具有充分下降性,同时具有全局收敛性。将本文提出的参数与引文中参数作比较。讨论了这一类参数在证明中的成立条件。     

修改的βNk(μ)方法在标准Wolfe条件下的全局收敛性

在没有线搜索的条件下,修改的βNk(μ)方法满足充分下降条件.证明了其在标准Wolfe条件下具有全局收敛性.初步的数值结果表明该方法是有效的.     

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.     

一类Wolfe搜索下的共轭梯度法及其全局收敛性

构造一个新的求解无约束优化问题的非线性共轭梯度公式中βk参数的计算公式,采用该公式得到Wolfe非精确线搜索的新算法,并证明新算法具有全局收敛性,并用数值实验验证新算法是有效的.     

A PARTAN FRANK-WOLFE ALGORITHM FOR A SORT OF MULTICLASS EQUILIBRIUM ASSIGNMENT PROBLEM

基于ＰＡＲＴＡＮＦｒａｎｋ－Ｗｏｌｆｅ方法提出了关于一类确定性多交通方式平衡分配的算法。然后在这个算法中修改加入了有关选择分配的部分用来获取附加的信息——局部区域的交通流矩阵。     

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.