一种改进的共轭梯度法的全局收敛性

本文给出了一种新的共轭梯度公式βk=rk‖gk‖^2/u｜gk^Tdk-1｜＋dk^T-1（gk- gk- 1）,该公式在标k-1（gk-gk-1）准Wolfe线搜索下具有充分下降性和全局收敛性.     

一类新的DY-型共轭梯度法的全局收敛性

给出求解非线性无约束优化问题的新的DY-型共轭梯度公式和新算法,证明新公式和新算法在推广W olfe规则下分别具有下降性和全局收敛性.文献[14]提出的杂交共轭梯度公式中βk的取值是新的DY-型共轭梯度公式的特例.     

一种新共轭梯度法的全局收敛性

在文献[4,5]的基础上,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:kβ 1=μ‖gk 1‖2dTkyk,0<μ<1;对标准W olf搜索条件进行推广,得到一种新的算法,并证明了算法的全局收敛性.     

一种新的非线性共轭梯度法的全局收敛性

基于标准Wolfe线搜索条件,提出一种新的线搜索：αk满足f（xk＋αkdk）-f（xk）≤max{δαkgTkdk,-γα^2k‖dk‖^2} 和 g（xk＋αkdk）^Tdk≥max{σgk^Tdk,-2σαk‖dk‖^2},并在此基础上给出了一种新的非线性共轭梯度算法及其全局收敛性定理.     

一种新的修正 Liu-Storey 共轭梯度法的全局收敛性（英）

在 Liu-Storey(LS)公式的基础上给出了一个修正的共轭梯度公式 beta _k^MLS. 证明了该新公式在 Wolfe-Powell 线搜索下, 甚至在强 Wolfe-Powell 线搜索下, 在满足sigma in bigg(0,textstyle1 over 2bigg) 的同时, 新算法具有充分下降性和全局收敛性. 数值结果展现了算法的可行性.     

一种新线搜索下DY共轭梯度法的全局收敛性

给出一种求解无约束优化问题的新线搜索,证明由新线搜索和DY公式产生的算法具有全局收敛性,再对此算法进行数值试验,并将其数值结果与Wolfe线搜索下PRP方法、DY方法以及另外几种线搜索下DY共轭梯度法的数值结果进行比较来验证新算法是有效的.     

一种非线性共轭梯度算法的全局收敛性

文章提出WYL参数公式在MSWP线搜索下的算法,并证明算法在适当条件下全局收敛。     

一种WEI-YAO-LIU共轭梯度算法的全局收敛性

提出Wei-Yao-Liu共轭梯度法在ATLS线搜索下的算法,在适当条件下,证明算法的全局收敛性,并且算法满足充分下降条件。     

一个共轭梯度方法的全局收敛性

给出一种较弱的线搜索:寻找一个步长tk=jρkΔk满足f(xk jρdk)-f(xk)≤αjρgkTdk-m2(jρ)2‖dk‖2,α∈(0,1),ρ∈(0,1),m>0和gkT 1dk 1<0,将此线搜索应用于求解共轭梯度公式的βk*,得到一种新共轭梯度算法,并证明新算法具有全局收敛,用数值实验说明新算法是有效的.     

WYL共轭梯度法的全局收敛性分析

近来,韦增欣等提出一种称为WYL方法的新的共轭梯度法,该方法不仅有较好的数值表现,而且有较优秀的性质．在参考文献[1],其作者证明了当步长tk≤1-c/2L ‖gk‖^2/‖dk‖^2时,WYL方法满足充分下降条件．基于此,针对非凸函数的无约束优化问题,文章提出一种建立在WYL公式和修正的Armijo型线搜索下的新算法,并证明其全局收敛性．     

改进的多参数非线性共轭梯度法的全局收敛性

利用共轭条件,提出一个改进的多参数共轭梯度法,并证明了算法在SWP线性搜索下具有全局收敛性.     

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。     

一种新的非线性共轭梯度法的全局收敛性

给出了一种新的求解非线性无约束优化问题的共轭梯度法,我们证明了该方法对相应的算法具有全局收敛性,同时我们还证明了该方法在强Wolfe线搜索下具有充分下降性.并且本算法给出了比较好的数值结果.     

一种改进的非线性共轭梯度法

共轭梯度法是求解大规模无约束优化问题的一种有效方法,对DY共轭梯度法的搜索条件进行了改进,并证明在新的Wolfe搜索条件下DY共轭梯度法具有全局收敛性,此方法的改进,为求解大规模无约束优化问题以及各种算法在今后的研究提供了参考。     

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。