一类修正Hager-Zhang共轭梯度法的收敛性及其数值实验

为有效提高求解无约束优化问题的计算效率,提出一类新的修正Hager-Zhang共轭梯度法,该算法不依赖线搜索,具有充分下降性和信赖域性质.理论研究结果表明,在常规假设条件下,新算法不仅在弱Wolfe-Powell线搜索下对一般函数全局收敛,且对一致凸函数具有R-线性收敛速度.数值实验结果表明,新算法比经典Hager-Zhang算法及其两个修正算法性能更优.