改进的FR共轭梯度算法及其全局收敛性

给出一种求解无约束优化问题的改进的FR共轭梯度算法,证明该算法在强Wolfe线搜索下具有充分下降性和较好的全局收敛性,并用数值试验说明新算法是有效的。     

强Wolfe条件下一类修正FR共轭梯度法

通过适当修正Fletcher-Reeves(FR)方法,提出了一类修正FR共轭梯度法方法(MFR*),并证明了MFR*方法在强Wolfe线搜索下具有充分下降条件和全局收敛性.     

一种新型三项共轭梯度法求解大规模方程组

为了克服其他算法复杂和存储量大等缺点,基于经典的线搜索方法和超平面投影技术,设计了一种新型无导数的三项共轭梯度算法,用于求解大规模非线性单调方程组.算法的搜索方向满足充分下降性质,在一定假设条件下保证全局收敛性等优点.大规模的数值结果表明,算法求解效率比同类算法更快,具有更强的竞争性.     

HS与PR共轭梯度算法的整体收敛性

研究共轭梯度算法的整体收敛性,在放宽了的强Ｗｏｌｆｅ搜索（１８）、（１９）下证明了［１］中提出的修正ＨＳ共轭梯度算法的收敛性,在充分下降性条件下,βｋ＝ｍａｘβＨＳｋ,０｛｝时也具有整体收敛性,同时,βｋ＝ｍａｘ０,βＰＲｋ｛｝时,利用Ａｒｍｉｊｏ搜索和Ｇｏｌｄｓｔｅｉｎ搜索的共轭梯度法也具有整体收敛性．     

一个修改的HS共轭梯度算法及其收敛性

给出一个修改的HS共轭梯度方法,该方法能保证参数βk非负且搜索方向在不需要任何线搜索下具有充分下降性.在适当条件下证明此方法对一般目标函数具有全局收敛性,同时给出数值检验结果.     

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.     

改进的PRP型谱共轭梯度算法

【目的】研究有效求解二次连续可微无约束优化问题。【方法】设计新的PRP型共轭参数β_k~(MPRP)=g_k~T/(‖g_(k-1)‖)~2·(y_(k-1)+2s_(k-1)~Ty_(k-1)/(‖s_(k-1)‖)~2s_(k-1))和相应的谱参数公式。【结果】新算法搜索方向自动充分下降且具有信赖域特征,并在一定条件下全局收敛。【结论】数值试验表明该谱共轭梯度算法是有效的。     

一类改进的谱共轭梯度法

通过修改共轭系数和谱系数公式,给出了基于强Wolfe搜索技术的谱共轭梯度法,在一般假设条件成立下,证明了该算法满足充分下降性、具有全局收敛性,并进行了数值实验,数值实验表明,新算法具有更好的数值性能.     

一类具有充分下降性的共轭梯度算法

在一些著名的共轭梯度算法基础之上,提出一类新的共轭梯度算法,用于求解无约束优化问题.该方法在不依赖于任何线搜索的情况下能够保证充分下降性,且在Wolfe线搜索下证明了算法具有全局收敛性.数值结果表明新提出的算法是有效的.     

一种修正三项Hestenes-Stiefel共轭梯度投影算法及其应用

提出一种新的修正三项Hestenes-Stiefel共轭梯度投影算法, 用于求解大规模非线性方程组问题和信号恢复问题. 该算法通过构造一个新的修正Hestenes-Stiefel搜索方向, 结合经典线搜索方法和超平面投影技术而得, 新搜索方向在不需要任何线搜索条件下自动满足充分下降性, 在常规假设条件下, 新算法具有全局收敛性质. 数值实验结果表明,  新算法高效且稳定.     

一个修改的三项共轭梯度算法

给出一个修改的三项共轭梯度算法,证明其具有充分下降性和全局收敛性,其搜索方向拥有梯度值信息和函数值信息,并用数值算例检验算法是可行的.     

一个三项LS共轭梯度方法

给出一个三项LS共轭梯度方法,并在适当条件下获得此方法对一般函数的全局收敛性.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,而且比通常的LS方法更具竞争性.     

充分下降的共轭梯度法簇及其全局收敛性

在双参数共轭梯度法的基础上,给出一类具有充分下降性的共轭梯度法簇,证明了相应的方法在非单调线搜索及弱Wolfe线搜索下对非凸目标函数全局收敛,并用数值实验表明该方法具有良好的数值结果.     

一类修正PRP共轭梯度法及其全局收敛性

提出一类改进的PRP共轭梯度法,该算法采用一个新的公式计算参数并且具有下列性质:1)在任何线搜索下都满足充分下降性;2)继承了PRP方法的重要性质;3)在一些假设条件下具有全局收敛性.初步的数值试验表明,该算法是有效可行的.     

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...     

一类充分下降的谱共轭梯度法

首先基于共轭梯度法的共轭条件和下降性,提出了一类充分下降的谱共轭梯度法.该方法将经典共轭梯度法中搜索方向由原来的只满足一个共轭条件改变为同时满足一个共轭条件和一个下降条件;然后,在Wolfe线搜索下用反证法证明了新算法的全局收敛性;最后,通过12个算例,将新算法和已有SHS算法在迭代次数和计算时间方面进行了数值比较实验,比较结果表明新算法在这两个方面都明显优越于SHS算法.算法的全局收敛性和数值结果的优越性表明,新算法是一个值得研究的方法.     

一类具有充分下降性的DL共轭梯度法

针对无约束优化问题,利用两项共轭梯度法(DL方法)去逼近改进的HS三项共轭梯度法,提出了改进的DL共轭梯度法即MDL共轭梯度法.该方法相对于DL方法具有一个更好的性质,即该共轭梯度法的搜索方向不依赖任何线搜索就可满足充分下降条件,理论上证明了该方法在Wolfe线搜索条件下对一般函数具有全局收敛性.     

一种求解单调方程组的范数下降共轭梯度法

提出一种求解大规模非线性单调方程组的范数下降共轭梯度算法.所提算法推广了Xiao,Song,Wang等提出的求解无约束优化问题的基于BB循环步长的共轭梯度算法,并结合Solodov和Svaiter提出的投影梯度算法.所提算法迭代形式简单、储存量小,且每步迭代不需要方程组的导数信息.本文证明算法的全局收敛性,并做数值试验验证算法在求解非线性单调方程组方面的有效性.     

广义Wolfe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修正的共轭梯度类型公式和算法,并证明该公式在广义Wolfe线搜索下具有充分下降性和全局收敛性。