一种新的谱共轭梯度法及其全局收敛性（英文）

共轭梯度法因具有迭代简单、收敛性和低内存等优点而在求解大型优化问题中发挥着重要作用。本文对已有文献中的共轭参数RMILβk进行改进,得到了一种新的谱共轭梯度法。该方法每步迭代产生的搜索方向具有下降性。在适当的条件下,该方法在Armijo线搜索和Wolfe线搜索下均具有全局收敛性。数值试验表明,该方法可行有效。     

解大规模非线性方程组的一种三项型投影算法

为加快非线性单调方程组的运算效率,基于高效率线搜索方法和投影技术,构建了一个新型的无导数型三项共轭梯度投影算法.通过改进搜索方向,使得新算法在任何线搜索下都自动满足充分下降性条件和信赖域特性.在一定的假设下,新方法具有全局收敛性,初步数值试验结果表明,新算法比同类算法更加高效.     

修正的HS共轭梯度算法的全局收敛性

对求解无约束优化问题的共轭梯度法中的方向参数给定新的区间取法,将HS共轭梯度参数限制在此区间上,保证搜索方向是目标函数的充分下降方向,在此基础上提出了修正HS共轭梯度算法(MHS),并在较弱的条件下讨论了新算法在广义Armijo步长搜索下的全局收敛性.数值试验结果表明,新算法比广义Armijo步长搜索下的FR、PR、HS共轭梯度算法有效.     

一类求解无约束问题的混合参数共轭梯度法及全局收敛性

提出一类混合参数共轭梯度法,在步长满足Wolfe线搜索的条件下,算法产生的搜索方向是下降方向.在适当的条件下,算法是全局收敛的.     

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.     

修正的HS共轭梯度算法的全局收敛性

对求解无约束优化问题的共轭梯度法中的方向参数给定新的区间取法，将HS共轭梯度参数限制在此区间上，保证搜索方向是目标函数的充分下降方向，在此基础上提出了修正HS共轭梯度算法（MHS），并在较弱的条件下讨论了新算法在广义Armijo步长搜索下的全局收敛性。数值试验结果表明，新算法比广义Armijo步长搜索下的FR、PR、HS共轭梯度算法有效。     

一类非单调三参数共轭梯度算法研究

虽然求解无约束优化问题共轭梯度方法的算法程序便于计算机上实现,但难于建立算法的全局收敛性理论.为弥补其不足,研究了一类新的共轭梯度算法.该算法搜索方向的构造中引入了3个参数,且通过合适地选取这些参数保证了所得搜索方向不依赖于线搜索技术,是目标函数的恒充分下降方向.以此为基础,提出了一种求解无约束优化问题的非单调三参数共...     

一类改进的谱共轭梯度法

谱共轭梯度法是在共轭梯度法基础上发展起来的新型算法,其特点是有两个方向控制 参数,是解决大规模无约束优化问题的有效方法,也是优化工作者研究的热点。本文基于已有的 非线性谱共轭梯度法提出了一类新的谱共轭梯度法,利用新构造的共轭方向调控参数βk构建了新 的算法,并保证了该算法在任何线搜索下都满足共轭条件,进而在迭代时产生的搜索方向都是充 分下降的。在Wolfe线搜索下,该方法的全局收敛性得以验证。     

结合Armijo步长搜索的一类新记忆梯度算法及其收敛特征

对于求解无约束规划的共轭梯度算法中的共轭梯度方向参数 ,给定一个假设条件 ,确定它的一个取值范围 ,以保证搜索方向是目标函数的充分下降方向 ,由此提出了一类新的记忆梯度算法。在去掉迭代点列有界和Armijo步长搜索下 ,讨论了算法的全局收敛性 ,同时给出了结合FR、PR、HS共轭梯度算法的修正形式。数值实验表明 ,新算法比Armijo步长搜索下的FR、PR、HS共轭梯度法更稳定、更有效。