BFGS算法的全局收敛性分析

对于凸函数，采用两种比较广泛的线搜索技术，在适当的假设条件下，我们得到了ＢＦＧＳ算法的全局收敛性。     

一类修正的BFGS算法及其全局收敛性

基于Hiroshi Yahe等提出的新拟牛顿方程,给出了一类修正的BFGS算法,并在一定的假设条件下,结合Wolfe搜索准则证明了该算法具有全局收敛性.     

非凸函数的一类改进BFGS算法的全局收敛性

文[1]提出了一类改进的BFGS算法,并在目标函数为一致凸的条件下,证明了算法具有全局收敛性。针对该算法,在目标函数为非凸函数时,提出一个假设条件,证明具有wolf线搜索的该算法亦具有全局收敛性。     

非凸函数的一类改进BFGS算法的全局收敛性

文[1]提出了一类改进的BFGS算法,并在目标函数为一致凸的条件下,证明了算法具有全局收敛性.针对该算法,在目标函数为非凸函数时,提出一个假设条件,证明具有wolf线搜索的该算法亦具有全局收敛性.     

新拟牛顿方程下一类改进BFGS算法的全局收敛性

文献[1]曾在已建立的一类新拟牛顿方程Bk 1sk=yk-=yk kγskTsksk的基础上,证明了满足新拟牛顿方程的一类改进BFGS算法在目标函数为一致凸的条件下,具有全局收敛性。此文针对该算法,给出了全局收敛性的另一种证明方法。     

一类拟牛顿算法的收敛性

根据一类基于新拟牛顿方程Bk 1sk=yk*的修改BFGS类算法,采用广义W olfe线搜索模型(GW搜索模型):f(xk 1)≤f(xk) δkαgTkdk和g(xk 1)Tdk≥m ax{,σ1-(kα‖dk‖)p}gTkdk,其中0<δ≤σ<1,p∈(-∞,1),得到一类修正的BFGS算法(M BFGS),证明了M BFGS算法的全局收敛性和超线性收敛性.数值试验结果表明M BFGS算法是有效的.     

扰动谱尺度BFGS算法及收敛性分析

在前人提出的扰动BFGS算法的基础上,结合谱尺度算法的思想,提出一种扰动谱尺度BFGS算法,建立算法的全局收敛性定理,本研究证明该扰动谱尺度BFGS算法在一定条件下采用单调Wolfe-Powell型线性搜索和非单调Wolfe-Powell型线性搜索均具有全局收敛性,同时还证明采用单调Wolfe-Powell型线性搜索具有2-线性收敛性.     

求解非凸函数极小问题的一类改进BFGS算法的收敛性分析

提出了一类求解无约束最优化问题的改进BFGS算法,主要讨论了该算法在Wolfe搜索下的全局收敛性.数值试验结果表明新算法是有效的.     

约束问题修正BFGS方法的局部超线性收敛性

将Li—Fukushima提出的求解无约束最优化问题的修正BFGS法加以改进，应用于求解等式约束最优化问题。该方法的主要优点在于其迭代矩阵总保持对称正定。在一定的条件下，证明该方法具有局部超线性收敛性。     

非凸优化的一类改进BFGS算法的收敛性研究

文章对于非凸优化问题采用Wolfe-Powell搜索准则提出了一种改进的BFGS校正,提出了相应的算法,并证明了该算法具有全局收敛性。     

一种非单调L－BFGS方法及其全局收敛性

本文提出了一种新的解大型无约束优化问题的非单调L－BFGS法,不要求目标函数值单调下降,对算法的全局收敛性进行了分析。     

一个可行模松弛SQP方法及其全局收敛性

提出一个处理不等式约束优化问题的可行模松弛SQP算法,每次迭代只需求解一个二次规划子问题.无需对迭代序列进行有界假设,采用线性搜索,在一些微弱假设条件下,证得了算法具有全局收敛性质.     

一种修正的Fletcher-Reeves共轭梯度法及其全局收敛性

提出了一种修正的Fletcher-Reeves共轭梯度法,该算法具有不依赖于线搜索方法的充分下降性.在一定条件下建立了基于Armijo或Wolfe线搜索利用该算法求解非凸优化问题的全局收敛性定理.相关的数值试验结果检验了该方法的有效性.     

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.     

一种修正的HS共轭梯度法及其全局收敛性

对经典的HS共轭梯度法进行了修正,保证了搜索方向的充分下降性,这一性质在非精确线搜索和非凸函数情形下也是成立的.在适当的假设下证明了强Wolfe线搜索下算法的全局收敛性,数值实验表明算法数值效果良好.     

一种三项CD共轭梯度法及其全局收敛性

在前人提出的三项PRP共轭梯度法的基础上,提出了一种三项CD共轭梯度法.与以往求解无约束优化问题的经典二项共轭梯度法不同,该算法的搜索方向是三项的,且在任何线性搜索下都具有充分下降性.在适当的条件下,证明了三项CD共轭梯度法在强Wolfe线性搜索下具有全局收敛性.     

一类混合HS和DY共轭梯度法及其全局收敛性

为了寻找同时具有良好的收敛性和数值效果的共轭梯度法.本文将HS方法和DY方法结合,选用Wolfe线搜索,构造出了一类新的混合共轭梯度法.并在Wolfe线搜索的条件下证明了该算法全局收敛性.对新算法进行数值实验,并与HS方法和DY方法的数值结果进行了比较,结果表明新算法是有效的.     

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。     

非单调线搜索下的记忆梯度法及其全局收敛性

提出一种新的非单调线搜索准则,结合文献中给出的dk,研究一类新的记忆梯度法,在较弱条件下证明了其全局收敛性.算法采用新的非单调线搜索准则,使目标函数值在每一次迭代时充分下降,有效降低了算法的计算量,同时还减弱了文献中算法的使用条件,从而扩大了算法求解问题的范围.