一种新的修正Liu-Storey共轭梯度法的全局收敛性(英文)

在Liu-Storey(LS)公式的基础上给出了一个修正的共轭梯度公式β_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σ∈(0,1/2)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.     

一类修正LS谱共轭梯度法的全局收敛性 (运筹学与控制论)

谱共轭梯度法是一类将共轭梯度法和谱梯度法相结合的方法。2001年由Birgin和Martinez首先提出,但该方法不能保证始终产生下降方向。本文用已有的修正方法,给出一个修正的Liu-Storey公式,并结合谱梯度法,提出了一个具有充分下降性的修正Liu-Storey谱共轭梯度法,证明了该方法在标准Armijo非精确线搜索下的全局收敛性,并易推知该方法在Armijo-Goldstein非精确线搜索准则下同样满足全局收敛性。给出的数值实验表明,新算法略优于LS方法。     

Armijo型线搜索一个修正LS共轭梯度法的全局收敛性 (运筹学与控制论)

提出一个新的修正Liu-Storey共轭梯度(MLSCG)算法。在精确线搜索下MLSCG算法化归为标准的Liu-Sto-rey(LS)共轭梯度算法。MLSCG算法产生的搜索方向不依赖于所使用的线搜索准则而具有充分下降性。本文证明了MLSCG算法在一个Armijo型线搜索下具有全局收敛性。数值试验表明,对于多数算例MLSCG算法比PRP、HS、LS等算法具有更好的计算结果。     

非单调Armijo型线搜索下Liu-Storey共轭梯度法的收敛性

研究了一种非单调Armijo型线搜索,发现了此线搜索的一些新的性质,并利用这些新性质证明了此线搜索Liu-Storey（LS）共轭梯度法不仅是全局收敛的,而且是强收敛的。     

一类充分下降的混合CD-LS共轭梯度法

为了结合共轭下降（conjugate descent,CD)法良好的理论性质和Liu-Storey (LS)法较好的数值效果,以降低小步长对迭代的不良影响,以及使搜索方向的下降性独立于线搜索的选择。通过混合CD法和LS法的分子,对梯度函数进行了相应的修正。方向的充分下降性独立于线搜索的选取,可应用于多种线搜索;基于Wolfe线搜索,证明了算法的全局收敛性。42类无约束测试函数和图像去噪的结果表明,基于相同的终止条件所提出的算法的迭代次数和迭代时间均少于之前的3类共轭梯度算法。     

一种修正三项Hestenes-Stiefel共轭梯度投影算法及其应用

提出一种新的修正三项Hestenes-Stiefel共轭梯度投影算法, 用于求解大规模非线性方程组问题和信号恢复问题. 该算法通过构造一个新的修正Hestenes-Stiefel搜索方向, 结合经典线搜索方法和超平面投影技术而得, 新搜索方向在不需要任何线搜索条件下自动满足充分下降性, 在常规假设条件下, 新算法具有全局收敛性质. 数值实验结果表明,  新算法高效且稳定.     

求解凸约束非线性方程组的无导数DY投影算法

在高效线搜索方法产生的步长和投影技术产生的新迭代点的基础上,提出了一类求解带凸约束非线性方程组问题的无导数修正DY共轭梯度投影算法.新算法继承了共轭梯度法和投影技术的良好性质,适合于求解大规模优化问题.在一定的假设下,得到新算法的全局收敛性结论.数值结果表明新算法是有效且稳定的,与其他算法相比更具有竞争性.     

求解非负约束优化问题的可行LS共轭梯度法

结合子空间思想和Liu-Storey(LS)共轭梯度法,提出了求解大规模非负约束优化问题的可行共轭梯度算法,并分析了算法在Armijo型线性搜索下的全局收敛性.数值实例表明该算法是有效的.     

一种求解大规模非光滑优化问题的共轭梯度法

针对大规模非光滑优化问题,利用Moreau-Yosida正则化技术和Armijo-type线搜索技术,设计了一种修正LS共轭梯度算法.算法的搜索方向不仅满足充分下降条件,而且具有信赖域性质.可以证明新算法在适当条件下全局收敛.初步的数值实验表明,新算法在求解大规模非光滑无约束凸优化问题方面比LMBM方法和MPRP方法更有效.     

基于修正BFGS的新混合共轭梯度法

基于Yuan及Li和Fukushima提出的两类修正割线方程,对Saman Babaie-Kafaki及合作者提出的混合共轭梯度法的搜索方向进行修正,产生在迭代过程中不依赖于任何线搜索而具有充分下降方向的新混合共轭梯度法.在适当的假设下,证明了新算法的全局收敛性.数值结果表明该方法是有效的.     

求解非线性单调方程组的修正 三项PRP投影算法

针对求解大规模非线性单调方程组问题,克服其他算法计算复杂、存储量需求和计算量大等不足,基于经典PRP(Polak-Ribière-Polyak)共轭梯度法,设计了一种新的搜索方向公式,结合单调线搜索技术和投影算法,提出一种修正三项PRP投影算法.新算法具有充分下降性和信赖域特征等优点,在适当的条件下新算法具有全局收敛性.初步数值试验结果表明,新算法对选取的测试问题上是有效的,数值表现总体上优于经典PRP共轭梯度法,适合于求解大规模非线性单调方程组.     

非线性方程组的修正共轭梯度法及其应用

为了解决稀疏信号重构问题,改善求解非线性方程组的效率性能,构建一种新的修正方向,结合新型的线搜索方法和经典的超平面投影技术,提出了一个修正共轭梯度投影算法。新算法在合理的假设下,具有全局收敛的良好性质。数值结果表明与同类算法相比,新算法具有更高效的求解能力,在稀疏信号重构问题的应用中,验证了新算法的有效性与可行性。     

求解大规模非线性单调方程组的共轭梯度算法

基于经典PRP(Polak-Ribière-Polyak)算法，设计一个具有充分下降性和信赖域性质的搜索方向，采用投影技术及经典单调线搜索，提出一种求解大规模非线性单调方程组的修正共轭梯度算法.在常规条件下，新算法具有全局收敛性.初步的数值实验结果表明：新算法比经典PRP算法和3项PRP算法效率更优，鲁棒性更好，适合求解大规模非线性单调方程组.     

修正LS共轭梯度法及其全局收敛性

提出一类求解无约束优化问题的修正LS共轭梯度法,算法采用一个新的参数公式．在适当条件下,证明算法满足充分下降条件,进而证明在采用广义Wolfe-Powell线搜索和强Wolfe-Powell线搜索时,算法全局收敛．初步的数值试验结果显示方法是有效的．     

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.     

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.     

一类修正Hager-Zhang共轭梯度法的收敛性及其数值实验

为有效提高求解无约束优化问题的计算效率,提出一类新的修正Hager-Zhang共轭梯度法,该算法不依赖线搜索,具有充分下降性和信赖域性质.理论研究结果表明,在常规假设条件下,新算法不仅在弱Wolfe-Powell线搜索下对一般函数全局收敛,且对一致凸函数具有R-线性收敛速度.数值实验结果表明,新算法比经典Hager-Zhang算法及其两个修正算法性能更优.     

一类修正Hager-Zhang共轭梯度法的收敛性及其数值实验

为有效提高求解无约束优化问题的计算效率, 提出一类新的修正Hager-Zhang共轭梯度法, 该算法不依赖线搜索, 具有充分下降性和信赖域性质. 理论研究结果表明, 在常规假设条件下, 新算法不仅在弱Wolfe-Powell线搜索下对一般函数全局收敛, 且对一致凸函数具有R-线性收敛速度. 数值实验结果表明, 新算法比经典Hager-Zhang算法及其两个修正算法性能更优.     

一类新型的修正WYL共轭梯度算法

针对大规模无约束优化问题,提出一类新型的修正WYL共轭梯度算法。新算法不依赖任何线搜索且具有充分下降性和信赖域性质,在弱Wolfe-Powell线搜索下全局收敛。初步的数值实验结果表明,新算法是有效的,比经典WYL型共轭梯度法更具竞争性。