优化二次函数与共轭梯度算法

本文提出构造二次函数作为目标函数。无约束条件下优化这个函数,导出本征方程 AX=λX,一般矩阵方程 AX=Y 和齐次方程 AX=0的自适应和递推解。计算机模拟表明这种算法稳定,能获得精确解和具有快速收敛特性。     

超宽带电磁散射的时间步进法

采用时间步进法对飞机的基本构成部件(球、圆柱、薄板)的超宽带电磁散射问题进行了研究。导出了磁场积分方程数值计算公式,所得时域散射远场与实测或其它方法计算结果相比,吻合较好。本方法与时域有限差分法(FDTD)相比,无须设置吸收边界条件,适于成像数据的提取,运算简便。与频域方法相比,它可解决超宽带电磁散射预测问题。     

用共轭梯度法分解多指数瞬态

采用共轭梯度法处理半导体深能级研究中遇到的多指数瞬态分解问题，数值计算表明这种方法具有较高的分辨率，可应用于多指数函数分解和电子发射过程的精细结构研究．     

求解三维非线性电磁场的SSOR共轭梯度法

本文采用对称连续超松弛(SSOR)预处理共轭梯度法计算了非线性电磁场问题,并就存贮量和计算量这两个普遍关心的问题,与牛顿法进行了比较。     

LP鞍点共轭梯度法的研究与实现

在线性规划问题中,为了提高算法的求解速度,快速得到最优解。对鞍点算法,共轭梯度法进行了深入研究与分析。针对鞍点算法在逼近鞍点时收敛速度变慢的缺陷,将计算比较简单且有限步迭代即可收敛的共轭梯度法成功的应用于鞍点算法中形成了一种新的算法—鞍点共轭梯度算法。以c 为开发工具,在计算机上实现了该算法,并编成一个解题系统能够快速求解线性规划问题。实验结果表明相对于鞍点算法,用鞍点共轭梯度算法计算,解题时间效率明显提高。     

共轭梯度法研究与展望

共轭梯度法是介于最速下降法和牛顿法之间的一种最为常用和有效的最优化方法,它具有收敛速度快、所需存储量小和算法简便的特点,在线性和非线性优化中都有十分重要的应用.共轭梯度法根据搜索方向选取参数不同可再细分为几个不同的算法,这些算法在不同的线性搜索下收敛性也有所不同,因此有必要对此方法进行进一步的研究和完善.     

不完全左共轭梯度法及其数值表现

由于左共轭梯度算法没有短迭代公式,因而计算左共轭梯度方向的代价会随着迭代次数的增多而不断提高.为了节约存贮量、减少计算成本,有效的不完全左共轭梯度技巧显得非常必要.本文介绍两种不完全左共轭梯度的基本算法:有限内存左共轭梯度法和重开始的左共轭梯度法,并从不同角度对两种方法进行数值分析.此外,我们还给出相应的块左共轭梯度算法的不完全格式,也恰好是克服不完全左共轭梯度法中断的一个有效技巧.     

预处理共轭梯度法在电磁正演中的应用

对于电磁场中的正演数值模拟,不论采取何种方法,最后都演变成求解一个规模庞大的线性方程组;而方程组的解法对数值计算的求解效率及精度起很大的决定作用。利用Pascal矩阵预处理共轭梯度法,克服了复线性方程组中系数矩阵病态特性和加快收敛速度,不但提高了正演计算速度和精度,而且保证了求解的数值稳定性及高效性。经粗细网格不同剖分方式验证,该算法可行有效。     

解块三对角线性方程组的广义共轭梯度法

文中用块三对角矩阵的一种不完全LU分解给出了一种解块三对角线性方程组的广义共轭梯度法,该方法具有高级的并行性。     

一种修正的PRP共轭梯度法的全局收敛性

针对张丽提出的一种修正的PRP方法——NPRP法,在广义Wolfe下证明了NPRP法的全局收敛性.     

一类共轭梯度算法的收敛性

对无约束最优化问题minfx∈R^n（x）,提出了一类与βk^HS相关的共轭梯度算法,采用强Wolfe搜索,在较弱的条件下,证明了其充分下降性和全局收敛性．     

一种新的无约束优化的混合杂交共轭梯度法

针对无约束优化问题, 提出一种新的混合杂交共轭梯度法, 该方法在不采用Wolfe搜索的条件下, 保证了算法的全局收敛性, 并在每次迭代过程中,
均可得到初始的自适应步长和充分下降方向. 数值结果表明, 该算法可行、 有效.     

一种求解无约束优化问题的共轭梯度法

共轭梯度法是求解大规模无约束问题的一种有效方法,本文针对算法的优劣主要依赖于步长因子和搜索方向的特点,结合共轭梯度法的共轭性质,在HS方法和DY方法的基础上,提出了一种混合共轭梯度法,并证明了全局收敛性.     

一种新的修正共轭梯度算法

给出求解无约束优化问题的一个新的共轭梯度算法,证明该算法在强Wolfe线搜索下具有全局收敛性和良好的数值表现.     

一种新的杂交共轭梯度算法

结合HS、DY和WYL方法提出求解无约束优化问题的共轭梯度公式中βk参数的一种新的计算公式:βk=max{0,min{‖gk‖2,gTkyk-1,gTkyk-1}}/(dk-1Tyk-1),并给出新的杂交共轭梯度算法;证明新算法在弱Wolf-Powell线搜索条件下具有全局收敛性,并用数值试验表明新算法具有较好的数值结果.     

求解大规模非线性方程组的一种无导数共轭梯度法

提出求解大规模非线性方程组的一种无导数共轭梯度法．算法的优点是计算中完全不需要用到方程组的雅可比矩阵．在适当的条件下,证明算法具有全局收敛性．     

三项预处理共轭梯度法与信赖域子问题

信赖域方法是解无约束优化问题的有效的和可靠的方法,共轭梯度法由于不需要矩阵计算和存贮,成了解问题的首选方法,在本文中,我们提出了信赖域子问题的三项预处理共轭梯度法,并将这个方法嵌入解大型最优化问题的信赖域算法中,文章讨论了方法的特性,证明了方法的总体收敛性质,并给出了有限的数值试验。     

一个新的解非线性对称方程组的非单调共轭梯度方法

给出一个新的解非线性对称方程组：g（x）=0（x∈R^n,g：R^n→R^n连续可微,并且其雅克比矩阵g（x）在x∈R^n上对称）的非单调共轭梯度方法,分析新方法的全局收敛性,并用数值实验来检验其有效性.新方法全局收敛,在不执行任意线搜索的条件下能够确保搜索方向的下降性,而且初始点的选择与维数的增加并不明显影响检验结果.