一个新的共轭梯度类型方法

提出一种求解无约束问题的新的共轭梯度类型公式，与此相应的方法在强Wolfe线搜索和Powell再开始条件下满足下降条件，并且在适当的情况下具有全局收敛性质。     

一个新的共轭梯度类型方法

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,证明了该方法对相应的算法具有全局收敛性,同时还证明了该方法在强Wolfe线搜索下具有充分下降性.并且该算法给出了比较好的数值结果.     

多层神经网络共轭梯度优化算法及其在模式识别中的应用

将神经网络总体平均误差作为目标函数,以待求的神经网络权值和阈值作为设计变量,通过设计变量合理排序与分配,提出多隐层多层神经网络权值和阈值计算的高精度真实共轭梯度最优化算法·与BP算法和梯度优化算法相比,既能实现每步迭代在搜索方向上获得最优步长保证目标函数递减,又能克服在目标点附近的振荡现象·编制出神经网络权值和阈值计算的通用程序,给出神经网络合理结构选择的基本原理·通过足球机器人位置分析算例的神经网络分析和模式识别,表明所提出算法的有效性和实际应用价值·     

DY共轭梯度法在工程可靠度分析中的应用

基于可靠度指标的几何涵义,建立可靠度指标优化模型的目标函数;应用DY共轭梯度法在标准Wolf线搜索条件下全局收敛的特点,计算可靠度指标和验算点;该方法解决了传统方法容易陷入局部最小值的缺点.算例采用自行编制的Matlab程序,并与其他方法的计算结果作了对比.实例表明该方法有效可行.     

共轭梯度方法的应用

在课题研究的过程中,我们灵活运用共轭梯度方法去解决一些非线性优化问题,取得了较好的效果,本文主要介绍此方法。     

一个三项LS共轭梯度方法

给出一个三项LS共轭梯度方法,并在适当条件下获得此方法对一般函数的全局收敛性.该方法能保证搜索方向在不需要任何线搜索下具有充分下降性,而且比通常的LS方法更具竞争性.     

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.     

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.     

一个新的混合共轭梯度法及其收敛性

共轭梯度方法是求解无约束优化问题的一种有效的方法,特别是在大规模的计算问题中极其有效.提出了在新的线搜索下的一种混合共轭梯度方法,并证明了它的全局收敛性.     

非线性约束优化的一个共轭投影梯度法及其全局收敛

针对非线性等式和不等式约束优化问题,结合罚函数法,提出一个共轭投影梯度法,并证明该方法的全局收敛性,给出有效的数值实验.     

非线性约束优化的一个共轭投影梯度法及其全局收敛性

针对非线性等式和不等式约束优化问题,结合罚函数法,提出一个共轭投影梯度法,并证明该方法的全局收敛性,给出有效的数值实验.     

一类共轭梯度方法及其全局收敛性

给出一类共轭梯度方法．在迭代中,步长由广义Wolfe线搜索条件确定,产生的方向具有充分下降性。在适当假设下,证明了算法是全局收敛的．     

修正LS共轭梯度方法及其收敛性

提出了一种有效的修正LS共轭梯度方法.该方法在每一步迭代中均产生一个充分下降方向,且不依赖于任何线搜索.在强Wolfe线搜索下,讨论了新方法对一般目标函数的全局收敛性.最后,与著名的PRP方法、CG-DESCENT方法比较,大量的数值试验表明,修正LS共轭梯度方法对给定的测试问题是有效的.     

变共轭梯度算法及其在电力系统负荷预测中的应用

为克服BP算法收敛速度慢,易陷入局部极小值等的缺点,从而提高BP预测精度等性能,提出了变共轭梯度法(VCG),并对其收敛性作了分析及简要证明。通过将其应用于电力系统负荷预报,证实了该算法克服了传统BP算法收敛速度慢,易陷入局部极小值的缺陷。     

一个修改的HS共轭梯度算法及其收敛性

给出一个修改的HS共轭梯度方法,该方法能保证参数βk非负且搜索方向在不需要任何线搜索下具有充分下降性.在适当条件下证明此方法对一般目标函数具有全局收敛性,同时给出数值检验结果.     

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．     

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.     

共轭梯度法在光伏系统MPPT中的应用

最大功率点跟追(MPPT)在光伏发电系统中占有重要地位。该文针对现有MPPT方法的动态性能和稳态性能难以兼顾的难题,提出了一种基于共轭梯度法的光伏系统MPPT算法,并使用上述算法对Boost DC/DC变换器进行控制,以达到对光伏电池输出功率进行有效调节的目的。对该控制系统进行了Matlab/Simulink仿真,并在基于TMS320F2812为核心控制芯片的硬件电路上进行了实验。实验和仿真结果表明:该系统能较快地跟踪太阳能最大功率点,同时具有良好的稳态性能。     

一个新的PRP三项共轭梯度法及其收敛性

针对无约束优化问题,提出了一个新的线搜索条件.根据这个新的线搜索条件和三项共轭梯度法的计算公式,证明了一个修正的PRP三项共轭梯度法的收敛性.数值结果表明了算法的有效性.     

一个混合CD-LS共轭梯度法

在CD方法和LS方法的基础上,提出了一个混合的CD和LS共轭梯度法来求解无约束最优化问题;在适当的条件下,即可证明该方法在Wolfe线性搜索下对一般函数具有全局收敛性.