一类在新的线搜索下的共轭梯度法

提出了一种新的线搜索并在此基础上给出了一类共轭梯度法的全局收敛性定理。     

Wolfe线搜索下一类新的共轭梯度法

共轭梯度法是一类解决无约束优化问题的有效方法,尤其适用于大规模优化问题的求解.提出一族包含DY方法的新的共轭梯度法,并证明了该算法在Wolfe线搜索条件下具有全局收敛性,数值结果表明该算法是有效的.     

标准Wolfe线搜索下修正的HS共轭梯度法

为求解非线性无约束优化问题,本文在HS共轭梯度法的基础上,得到一个修正的共轭梯度法。不依赖于强Wolfe线搜索的选择,仅在标准Wolfe线搜索下,证明该修正的共轭梯度法的搜索方向满足下降性和相应算法的全局收敛性。最后的数值实验结果表明该方法是有效的。     

修正的谱Dai-Yuan共轭梯度法

在Dai-Yuan共轭梯度法的基础上,提出了一个修正的谱DY方法,使其继承了DY方法良好的理论性质,同时数值表现也得到较好的改善.在Wolfe线搜索条件下建立了其全局收敛性,进一步给出了一个有效的谱共轭梯度算法,数值试验表明该算法比PRP共轭梯度算法更有效.     

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。     

Wolfe搜索下的谱LS共轭梯度法

论文在LS共轭梯度法的基础上,提出谱LS共轭梯度法,证明该方法不依赖于任何线搜索就具有充分下降性,并且在Wolfe搜索下证明算法的全局收敛性。数值试验表明,该方法明具有良好的计算效能,特别适合于求解大规模无约束优化问题。     

弱Wolfe线搜索下一类含参量共轭梯度法的全局收敛性

基于算法的下降性要求给出了一类求解无约束优化问题的含参量共轭梯度类型公式和算法,并证明了该算法在弱Wolfe线搜索下的下降性和全局收敛性.数值实验结果表明算法是有效的.     

一类在新的线搜索下的共轭梯度法

提出了一种新的线搜索并在此基础上给出了一类共轭梯度法的全局收敛性定理.     

一类共轭梯度法的收敛性探讨

针对文献[1]中提出的共轭梯度算法的一些不足,作者提出对参数?k进一步改进,形成一种基于FR方法和DY方法的新共轭梯度算法。根据该算法的相关搜索条件,作者证明了该算法具有全局收敛性,并说明了该算法也具有二次终止性。     

一种新线搜索下DY共轭梯度法的全局收敛性

给出了一种新的非精确线性搜索,说明了在新的线性搜索下每次迭代产生下降方向。证明了一种共轭梯度算法的全局收敛性。     

非精确线搜索下一类新的混合共轭梯度法研究

共轭梯度法在求解无约束最优化问题中起着重要作用。通过构造一个新的参数βk*,并与βkDY结合,得到了一类新的混合迭代参数,此类混合共轭梯度法在迭代过程中保持下降性;在非精确强wolf线搜索下此算法具有全局收敛性。     

Armijo型线搜索下一个修正Hestenes-Stiefel共轭梯度法的全局收敛性

提出一个新的修正Hestenes-Stiefel(HS)非线性共轭梯度法(MHSCG算法).在精确线搜索下MH-SCG算法化归为标准的HS共轭梯度算法.该算法产生的搜索方向不依赖于线搜索准则而具有充分下降性.新方法在一个修正Armijo型线搜索下具有全局收敛性.数值试验表明,对于多数算例新算法比PRP、HS、LS算法具有更好的计算结果.     

Armijo线搜索下一个修正的PRP共轭梯度法的全局收敛性

提出一个求解大规模无约束优化的修正PRP共轭梯度算法.在每步迭代中,该算法均能自动产生一个不依赖于任何线搜索的充分下降方向且该方向具有信赖域性质.通过使用Armijo线搜索计算步长,在标准的假设条件下,证明了算法的全局收敛性.数值实验结果表明该算法是有效的.     

一种无需线搜索的共轭梯度算法及其收敛性

针对无约束优化问题,结合固定步长公式和具有充分下降性质的共轭梯度算法,提出一类简单、实用,且无需任何线搜索技术的求解方法.该算法不涉及矩阵运算,特别适合大规模优化问题.并讨论该算法的全局收敛性,在一阶导数趋于零的意义下得到强收敛结果.初步的数值实验表明,该算法是有效和可行的.     

一族新的共轭梯度算法及其在SWP线搜索下的全局收敛性

本文提出了一族计算β_k的新公式β_k~n(μ)(其中μ∈[0.1]为常量),证明了相应的共轭梯度法在σ∈(0.1/2)的SWP线搜索下具有全局收敛性,取μ=■为变量情形的β_k~n方法在SWP下也全局收敛。