无约束优化问题的一种新的共轭梯度法

为了求解无约束优化问题,提出了一种新的共轭梯度法,并证明了其在适当的条件下满足全局收敛性.初步的数值结果表明新的共轭梯度法是有效的.     

无约束优化问题新的谱共轭梯度法(英文)

通过结合牛顿法与PRP谱共轭梯度法提出一新的谱共轭梯度法.该方法为下降方法且为Birgin谱共轭梯度法与PRP共轭梯度法的线性组合.在适当的假设下算法全局收敛.     

无约束优化问题的一个新的杂交共轭梯度法

给出一个新的杂交共轭梯度法．不仅其全局收敛性很容易被证明,而且它避免了产生小步长的倾向．此外,该方法在初始数值结果方面比PRP方法好．     

二类无约束优化的混合DY-CD共轭梯度法

针对无约束优化问题,提出二类新的混合DY-CD的下降共轭梯度法.每次迭代过程中,算法产生的搜索方向均为充分下降方向.在水平集有界条件下,证明了算法的全局收敛性.数值结果表明算法是可行、有效的.     

两类无约束优化的充分下降共轭梯度法

对无约束优化问题提出两类新的充分下降共轭梯度法. 在每次迭代过程中, 算法均可得到充分下降方向. 在适当条件下, 证明了算法的全局收敛性. 数值结果表明算法可行、 有效.     

非线性无约束优化问题的新共轭梯度法

在DY共轭梯度法的基础上,给出一个新的共轭梯度法公式,在精确线搜索下该公式等价于DY公式.建立了基于新参数公式并采用Wolfe线搜索的共轭梯度算法,证明了算法满足下降性和具有全局收敛性,初步的数值实验结果表明该方法是有效的,适合于求解非线性无约束优化问题.     

一类无约束优化的修正共轭梯度法

针对无约束优化问题, 提出一种新的充分下降共轭梯度法. 该算法在每次迭代过程中, 产生的搜索方向均为充分下降方向. 在适当条件下, 证明了算法的全局收敛性. 数值结果表明算法是可行和有效的.     

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.     

一种求解无约束优化问题的新混合共轭梯度法

在现有共轭梯度方法的基础上,提出一种新混合共轭梯度法来求解无约束最优化问题.该方法采用近似方法去逼近Hessen矩阵,克服了传统牛顿法求解Hessen矩阵中存在的计算量大等问题,并在强wolfe线搜索技术下给出该共轭梯度算法的全局收敛性证明.实验结果表明,与PRP(Polak-Ribiere-Polyak)方法和HYBRID(混合)方法相比较,该文提出的新混合共轭梯度算法的迭代时间少于前两者方法,说明该文方法可行、有效.     

一种无约束优化问题的谱共轭梯度法

提出了一种新的谱共轭梯度法,证明了该方法不依赖于任何线搜索具有充分下降性,在Armijo线搜索下证明了算法具有全局收敛性。数值试验结果表明:在Armijo线搜索下,该方法比Necu-lai,Andrei提出的方法有效;并且4种测试函数的数值结果显示:新方法明显优于谱DY算法,也较谱FR算法有效;可以和谱PRP的计算效能相媲美,故算法具有良好的计算效能。     

求解无约束优化的一个新的下降共轭梯度法

基于Dai-Yuan共轭梯度法,本文给出了求解无约束优化的一个非线性共轭梯度法.对任意的线性搜索,该方法满足充分下降条件gTkdk≤-(1-1/4μ)‖gk‖2,μ1/4;而且,对一般的非线性函数,不需限制的下限值,用Wolf线搜索具有全局收敛性.     

无约束优化中新的共轭梯度方法

提出一个新的解决无约束最优化问题的非线性共轭梯度公式,该公式满足充分下降条件,采用这个公式和弱Wolfe条件的方法是全局收敛的.初始的数值结果表明,该方法是有前景的.     

一类求解无约束问题的混合参数共轭梯度法及全局收敛性

提出一类混合参数共轭梯度法,在步长满足Wolfe线搜索的条件下,算法产生的搜索方向是下降方向.在适当的条件下,算法是全局收敛的.     

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.