非精确条件下的共轭梯度方法

研究无约束全局优化的求解问题. 在特殊的非精确条件下, 给出一种求解该问题的共轭梯度算法, 并在特殊条件下通过一些算例验证了算法的有效性和可行性.     

一类非精确线搜索下的混合共轭梯度算法

给出了一类在非精确线搜索下的混合共轭梯度算法,对李荣生提出的NCG算法进行了改进,在算法的迭代过程中,保持了迭代方向的下降性,在较弱的条件下证明了全局收敛性,数值试验表明该算法是相当有效的.     

非精确线搜索条件下共轭梯度法的收敛性分析

对Hideaki与Yasushi提出的两种使用目标函数值的共轭梯度法进行了研究,在一种新的Wolfe型线搜索条件下分析了它们的收敛性质.通过讨论可知,在其它的非精确线搜索条件下这两种共轭梯度法也是可行的.最后的数值试验表明了所给共轭梯度法的有效性.     

几类非精确线搜索下共轭梯度法的收敛条件

在几类非精确线搜索下讨论一般共轭梯度法的收敛条件，运用此条件，对一类新算法的收敛性进行分析。     

带非精确线搜索的共轭梯度算法之收敛性

给出一类以共轭梯度算法为其子类的下降迭代算法.并在三种非精确线搜索下给出了这类算法的较弱的收敛性条件.     

全局优化的非单调谱共轭梯度算法

在非单调条件下给出一系列的谱共轭梯度算法, 并根据不同的表达形式, 给出了收敛性分析. 结果表明, 该算法在迭代次数上明显优于其他算法.     

FR共轭梯度法在非精确线搜索下的收敛性质

该文讨论著名的FR共轭梯度法在一类更易于实现的非精确线搜索下的全局收敛性.     

混合共轭梯度技巧

将ＰＲ法与ＦＲ法混合得到一个混合共轭梯度算法，并证明了全局收敛性。     

一类新共轭梯度法在几种非精确线搜索下的收敛性

讨论在三种非精确线搜索下，NCG法的收敛性质。     

非精确线搜索下一类新的混合共轭梯度法研究

共轭梯度法在求解无约束最优化问题中起着重要作用。通过构造一个新的参数βk^＊,并与βk^DY结合,得到了一类新的混合迭代参数,此类混合共轭梯度法在迭代过程中保持下降性;在非精确强wolf线搜索下此算法具有全局收敛性。     

修正的HS谱共轭梯度方法

本文研究了无约束全局优化问题的求解问题,结合谱梯度算法的优点给出了一类求解该问题的HS谱共轭梯度算法。在这类算法中我们利用非精确的线搜索,得到了一些算例,并给出了计算结果和典型算法的一些比较。     

一种新线性搜索下的共轭梯度法

文章给出了一种新的非精确线性搜索下的共轭梯度法,说明了在新线性搜索下每次迭代能够产生下降方向.证明了新线搜索下FR共轭梯度算法的全局收敛性.     

带非精确线搜索的改进Dixon方法的下降性质及其全局收敛性

在推广Ｄｉｘｏｎ公式的基础上,对于无约束最优化问题,提出了一类改进的Ｄｉｘｏｎ共轭下降算法,其中搜索方向迭代公式ｄｋ＋１＝－ｇｋ＋１βｋｄｋ中的参数βｋ可以取负值并结合一类非精确线搜索,证明了新算法的全局收敛性。最后给出了改进的Ｄｉｘｏｎ公式的一个重要应用－自校正近似重新开始共轭下降算法。     

一种线搜索下DY共轭梯度法的全局收敛性

利用王长钰等人提出的一种新型线搜索条件对Dai-Yuan非线性共轭梯度法进行了研究。根据这一新型的线搜索条件,结合DY共轭梯度法的方向计算公式,我们在文中提出了一个求解非线性无约束优化问题的算法。当搜索方向为下降方向时,给出了算法的全局收敛性结果及证明过程。     

基于Armijo型线搜索下的谱共轭梯度法

在WYL共轭梯度法的基础上,提出了一种新的谱共轭梯度法,并且证明了该方法在Armijo线搜索下具有充分下降性和全局收敛性.数值试验表明该方法是有效的。     

广义Wolfe线搜索下一类新共轭梯度法的全局收敛性

对求解无约束最优化问题的共轭梯度法中的方向参数βk给定一个假设条件,确定其取值范围以保证搜索方向是目标函数的充分下降方向,并在较弱的条件下讨论了算法在广义Wolfe线搜索下的全局收敛性。