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.     

求解无约束问题的一个杂交共轭梯度法

给出了一个基于PRP方法的新的杂交共轭梯度法，并在适当的条件下，证明了新算法的全局收敛性．数值结果表明提出的算法是有效的．     

Glodstein条件下的一种修正CD共轭梯度法

提出了一种新的在Glodstein线搜索准则下的修正Conjugate Descent方法,该修正方法不需要其他要求即可满足充分下降条件,同时,证明了该方法在某些弱条件下的收敛性.     

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.     

无约束优化一个修正的HS三项共轭梯度法（英文）

针对无约束优化问题,本文提出了一个修正的HS三项共轭梯度法。基于拟牛顿方程新型割线条件,提出了具有充分下降性质的改进HS三项共轭梯度参数公式。在弱Wolfe-Powell线搜索技术下,获得了算法的全局收敛性。数值实验结果表明该算法是有效的。     

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.     

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.     

求解无约束优化问题的一类谱共轭梯度法

针对无约束优化问题,提出一类谱共轭梯度法.谱共轭梯度法是对TS、GN及MPRP方法的修正,使得在任何线性搜索条件下都具有充分下降性.并且在Armijo型线性搜索条件下,证明了该类算法的全局收敛性.与GN、SFR及MPRP方法进行比较,数值结果表明:谱共轭梯度法是可行的,特别对于大规模无约束优化问题更有效.     

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.     

求解无约束优化问题的一种混合共轭梯度法

文章给出了一个改进的共轭梯度公式及新公式的相关性质,新公式和DY公式结合得到一个混合共轭梯度法,新算法在Wolf线搜索下产生一个下降方向;并证明了算法的全局收敛性,给出了数值例子.     

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．     

一类无约束优化问题的非单调共轭梯度法

主要研究了一类在推广的线搜索条件下的非单调共轭梯度法，并在较弱的假设条件下证明了其全局收敛性。     

求解非线性互补问题的非单调共轭梯度法

利用非线性互补问题（NCP）的F－B价值函数,基于PRP＋型共轭梯度算法,结合Gu N．Z．的新的非单调搜索技术提出新的利用F－B价值函数求解非线性互补问题（NCP）的非单调共轭梯度算法,该算法保持了共轭梯度算法和非单调数据的优良性质．在适当的条件下,证明了算法的全局收敛性,数值实验证明是有效的,适合解决大规模非线性互补问题．     

一个新的无约束优化下降算法

提出了一种新的无约束优化下降算法，在每步迭代中算法以当前点负梯度和前一点负梯度的线性组合为搜索方向，用Armijo搜索定义步长，在适当条件下证明了算法的全局收敛性。     

GaAs MESFET器件数值模拟的预优共轭梯度法

用传统的牛顿法对GaAs MESFET器件进行数值模拟,由于发散而并不成功。本文采用在不精确线性搜索条件下仍具下降性与收敛性的Fletcher-Reeves共轭梯度法,求解由非线性方程组转化成的非线性最小二乘问题。为使方法能在不同的二次区域形成共轭性较好的搜索方向,方法采用了重开始准则。为加快收敛速度,对目标函数采用了逐步预优的方法。为减少存储量,预优矩阵由Broyden修正公式产生,且不存储修正矩阵,计算结果表明方法稳定,收敛较快,数值结果与实验结果基本相符。     

Armijo搜索下共轭梯度算法的全局收敛性

证明了只要 βk 不属于某一负区间 ,在Armijo搜索下 ,PR和HS算法是全局收敛的     

求解非线性方程组的一种新共轭梯度法

在求解非线性方程组问题的过程中,由已知的三项共轭梯度法的基础上设计出了一种新的共轭梯度法WW,并在适当条件下证明了其充分下降性及全局收敛性。数值实验结果表明,在与现有的一些共轭梯度法的对比中,WW方法有较强的竞争性。     

一族共轭梯度算法的全局收敛性

提出了一族计算βk的新公式,即提出了一族新的共轭梯度法,证明了一种非精确线怀搜索能够保证这种方法的下降性和全局收敛性。     

求解大型线性规划的无约束化方法

在本文中,基于对偶理论,把线性规划变成了求解一个凸函数的无约束极小化问题。然后利用共轭梯度法求解该问题,在这个共轭梯度法中,采用了一个非常有效的一维搜索技术。理论分析和数值实验表明在一般条件下,该方法仅需要O(n)次迭代。这里n是变量个数。     

PR共轭梯度算法的全局收敛性

给出一种新的Armijo型的线搜索,在该搜索下PR共轭梯度算法能保证无约束最优化问题的全局收敛性。