共查询到16条相似文献,搜索用时 109 毫秒
1.
在二阶拟牛顿方程的基础上,结合Zhang H.C.提出的非单调线搜索构造了一种求解大规模无约束优化问题的对角二阶拟牛顿算法.算法在每次迭代中利用对角矩阵逼近Hessian矩阵的逆,使计算搜索方向的存储量和工作量明显减少,为大型无约束优化问题的求解提供了新的思路.在通常的假设条件下,证明了算法的全局收敛性和超线性收敛性.数值实验表明算法是有效可行的. 相似文献
2.
一个新的无约束优化超记忆梯度算法 总被引:3,自引:0,他引:3
本文提出一种新的无约束优化超记忆梯度算法,算法利用当前点的负梯度和前一点的负梯度的线性组合为搜索方向,以精确线性搜索和Armijo搜索确定步长.在很弱的条件下证明了算法具有全局收敛性和线性收敛速度.因算法中避免了存贮和计算与目标函数相关的矩阵,故适于求解大型无约束优化问题.数值实验表明算法比一般的共轭梯度算法有效. 相似文献
3.
提出一类新的求解无约束优化问题的记忆梯度法,在较弱条件下证明了算法具有全局收敛性和线性收敛速率.算法采用曲线搜索方法,在每一步同时确定搜索方向和步长,收敛稳定,并且不需计算和存储矩阵,适于求解大规模优化问题.数值试验表明算法是有效的. 相似文献
4.
拟牛顿法是求解非线性方程组的一类有效方法.相较于经典的牛顿法,拟牛顿法不需要计算Jacobian矩阵且仍具有超线性收敛性.本文基于BFGS和DFP的迭代公式,构造了新的充分下降方向.将该搜索方向和投影技术相结合,本文提出了无导数低存储的投影算法求解带凸约束的非线性单调方程组并证明了该算法是全局且R-线性收敛的.最后,将该算法用于求解压缩感知问题.实验结果表明,本文所提出的算法具有良好的计算效率和稳定性. 相似文献
5.
大步长非单调线搜索规则的Lampariello修正对角稀疏拟牛顿算法的全局收敛性 总被引:3,自引:0,他引:3
本文在ZhangH.C.的非单调线搜索规则基础上,结合ShiZ.J.大步长线搜索技巧提出了新的大步长的非单调线搜索规则,设计了求解无约束最优化问题的大步长非单调线搜索规则的Lampariello修正对角稀疏拟牛顿算法,在△f(x)一致连续的条件下给出了算法的全局收敛性和超线性收敛性分析.数值例子表明算法是有效的,适合求解大规模问题. 相似文献
6.
7.
8.
给出一个求解无约束优化的非单调拟牛顿型ODE方法.它的主要特点是:在每次迭代时,搜索方向仅需计算矩阵和向量的乘积就能获得,从而避免求解线性方程组系统,减少算法的计算量.然后采用一个改进的非单调线搜索以获得下一个新迭代点.在适当的条件下,该方法还是整体收敛和局部超线性收敛的.初步的数值试验结果表明了其有效性. 相似文献
9.
一类新的记忆梯度法及其全局收敛性 总被引:1,自引:0,他引:1
研究了求解无约束优化问题的记忆梯度法,利用当前和前面迭代点的信息产生下降方向,得到了一类新的无约束优化算法,在Wolfe线性搜索下证明了其全局收敛性.新算法结构简单,不用计算和存储矩阵,适于求解大型优化问题.数值试验表明算法有效. 相似文献
10.
非拟牛顿非凸族的收敛性 总被引:11,自引:0,他引:11
1.引言 对于无约束最优化问题拟牛顿法是目前最成熟,应用最广泛的解法之一.近二十多年来,对拟牛顿法收敛性质的研究一直是非线性最优化算法理论研究的热点.带非精确搜索的拟牛顿算法的研究是从1976年 Powell[1]开始,他证明了带 Wolfe搜索 BFGS算法的全局收敛性和超线性收敛性. 1978年 Byrd, Nocedal; Ya-Xiang Yuan[3]成功地将 Powell的结果推广到限制的 Brosden凸族. 1989年, Nocedal[4]在目标函数一致凸的条件下,证明了带回追搜索的BFG… 相似文献
11.
In this paper we present a new memory gradient method with trust region for unconstrained optimization problems. The method
combines line search method and trust region method to generate new iterative points at each iteration and therefore has both
advantages of line search method and trust region method. It sufficiently uses the previous multi-step iterative information
at each iteration and avoids the storage and computation of matrices associated with the Hessian of objective functions, so
that it is suitable to solve large scale optimization problems. We also design an implementable version of this method and
analyze its global convergence under weak conditions. This idea enables us to design some quick convergent, effective, and
robust algorithms since it uses more information from previous iterative steps. Numerical experiments show that the new method
is effective, stable and robust in practical computation, compared with other similar methods. 相似文献
12.
13.
一类带非单调线搜索的信赖域算法 总被引:1,自引:0,他引:1
通过将非单调Wolfe线搜索技术与传统的信赖域算法相结合,我们提出了一类新的求解无约束最优化问题的信赖域算法.新算法在每一迭代步只需求解一次信赖域子问题,而且在每一迭代步Hesse阵的近似都满足拟牛顿条件并保持正定传递.在一定条件下,证明了算法的全局收敛性和强收敛性.数值试验表明新算法继承了非单调技术的优点,对于求解某... 相似文献
14.
15.
16.
研究一种新的无约束优化超记忆梯度算法,算法在每步迭代中充分利用前面迭代点的信息产生下降方向,利用Wolfe线性搜索产生步长,在较弱的条件下证明了算法的全局收敛性。新算法在每步迭代中不需计算和存储矩阵,适于求解大规模优化问题。 相似文献