| 关于超记忆梯度算法的收敛性 |
| |
| 引用本文： | 明清河. 关于超记忆梯度算法的收敛性[J]. 曲阜师范大学学报, 2004, 30(1): 40-42 |
| |
| 作者姓名： | 明清河 |
| |
| 作者单位： | 枣庄师范专科学校数学系,277160,山东省枣庄市 |
| |
| 摘 要： | 超记忆梯度算法是无约束优化的有效算法之一 .它的特点是在每步迭代时充分利用前面迭代点的信息 ,增加了参数选择的自由度 ,有利于构造稳定的快速收敛的算法 ,适于求解大规模无约束优化问题 .该文研究一种超记忆梯度算法 ,在较弱的条件下证明了算法的全局收敛性 .
|
| 关 键 词： | 无约束优化 超记忆梯度法 Wolfe 线性搜索 全局收敛性 |
| 文章编号： | 1001-5337(2004)01-0040-03 |
ON THE CONVERGENCE OF SUPERMEMORY GRADIENT METHOD |
| |
| MING Qing-he. ON THE CONVERGENCE OF SUPERMEMORY GRADIENT METHOD[J]. Journal of Qufu Normal University(Natural Science), 2004, 30(1): 40-42 |
| |
| Authors: | MING Qing-he |
| |
| Abstract: | Supermemory gradient method is one of the efficient methods for solving unconstrained optimization problems. It sufficiently uses the previous iterative information at each iteration and leads to the freedom of some parameters. So that it is suitable to solve large scale optimization problems. The paper presents a new supermemory gradient algorithm and proves its global convergence under mild conditions. |
| |
| Keywords: | unconstrained optimization supermemory gradients Wolfe's line search global convergence |
| 本文献已被 CNKI 维普 万方数据 等数据库收录！ |
