共查询到20条相似文献,搜索用时 19 毫秒
1.
一类非单调算法的收敛性质 总被引:2,自引:0,他引:2
1.搜索步长和搜索方向对于无约束最优化问题(?)f(x),其中f:R~n→R~1,f∈C~1,一般采用形如x_(k+1)=x_k+λ_kd_k(k=1,2,…)的迭代算法来求解,这里λ_k为搜索步长,d_k为搜索方向. 相似文献
2.
一类非单调算法的收敛性质 总被引:1,自引:0,他引:1
1.搜索步长和搜索方向对于无约束最优化问题(?)f(x),其中f:R~n→R~1,f∈C~1,一般采用形如x_(k 1)=x_k λ_kd_k(k=1,2,…)的迭代算法来求解,这里λ_k为搜索步长,d_k为搜索方向. 相似文献
3.
一种修正的HS共轭梯度法及全局收敛性 总被引:2,自引:0,他引:2
<正>1引言考虑无约束极小化问题:(?),(1)其中f(x)连续可微,其梯度函数用g(x)表示.共轭梯度法求解(1)的常用迭代格式为:x_(k+1)=x_k+α_kd_k,(2)(?)(3)其中g_k=▽f(x_k),α_k≥0是由某种线搜索得到的步长因子;d_k为搜索方向,β_k为标量,β_k的不同选择产生了不同的共轭梯度法.著名的β_k公式有: 相似文献
4.
一、引言在非线性最优化领域中,对于优化问题其中 f:R→R~1,f∈C~1,约束集 R(?)R~n,一般采用形如 x_(k+1)=x_k+λ_(kpk),k=0,1,…,的迭代算法来求解,这里 p_k 表示搜索方向,λ_k 为搜索步长.p_k 一般选为下降方向,即▽f(x_k)~Ypk<0,p_k 选定后,λ_k 的选取至关重要,如果λ_k 选得不合理,有时连收敛性都难以保证;反之,即使在较弱的条件下也会获得比较满意的结果.λ_k的选取过程实质上是一个搜索过程,我们先将 n 元函数,看成是沿方向 p_k 的一无函数 h_k(λ)f(x_k+λ_(pk)),再对 h_k(λ)实施线搜索.大多数线搜索要求其有下降性质: 相似文献
5.
一类不精确搜索的变尺度法的n步二次收敛性 总被引:1,自引:1,他引:0
徐成贤 《高等学校计算数学学报》1983,(4)
一 引言 在优化技术中,变尺度法自1959年首次提出问世以来,由于其在计算上的有效性及较好的敛速而引起人们的重视。极小化R~n上的泛函f:R~n←R~1的变尺度法一般取如下形式 x_(k+1)=x_k-λ_kd_h d_k=H_k~7g_h k=0,1… (1.1)其中x_k∈R~n为f的极小点x~*的第k次近似,d_h为第k次搜索方向,λ_k为适当选定的步 相似文献
6.
其中g_k=f(x_k),β_k为参数.β_k的不同选法形成了各种共轭梯度法,其中Fletcher-Reeves法(简记为FR法)是理论较完整的一个方法,对水平集有界的二阶连续可微函数,Powell和Baali分别在精确和不精确线搜索下证明了其全局收敛性.Polak-Ribiere法 相似文献
7.
董炳华 《高等学校计算数学学报》1983,(1)
我们考察无约束问题min f(x),其中函数f(x)是n维空间E~n上连续可微函数.由Huang族矩阵产生的变尺度法(n步重开始)是部下的选代过程(见参考文献[1])其中u_k=t_1,_kr_k+t_2,_kH_k~Te_k,v_k=t_3,_kr_k+t_4,_kH_k~Te_k,r_k=x_k+1-x_k,e_k=f'(x_k+1)-f'(x_k).选择不同的参数ρ,ti,_k(i=1,2,3,4)就得各种变尺度算法. 在文献[1]中,曾对ρ=0,1的几个特殊的算法,分别证明了上述算法(A)具有 相似文献
8.
1.引言 用△_k是表示R~k中的单纯形:△_k={X=(x_1,x_2,…,x_k)∈R~k|x_i≥0,i=1,2,…,k;sum from i=1 to k(x_i)≤1};C(△_k)表示定义在△_k上的连续函数的全体.记||f||=||f||_(△_k):=sup|f(X)|,ω(f,t):=sup |f(X)-f(Y)|。连续函数ω(t),t∈[0,+∞)称为 相似文献
9.
关于第二类Bernstein型插值过程 总被引:1,自引:0,他引:1
设f(x)∈c[-1,1],U_n(x)=sin(n+1)θ/sinθ(x=cosθ)为第二类多项式,x_k=cosθ_k=cos(kπ)/(n+1)(k=1,…,n)为其 n 个零点。又记 x_0=1,x_(n+1)=-1。文考虑了以{X_k}(k=0,1,…,n+1)为节点的第二类 Bernstein 型插值过程: 相似文献
10.
《数学的实践与认识》2019,(23)
令R是特征为2,且含有非平凡幂等元与单位元的素环.假设f:R→R是满射,k=2,3.证明了,f满足[f(x),f(y)]_k=[x,y]_k=[[x,y]_(k-1),y]对所有元x,y∈R成立当且仅当存在映射μ:R→C和元λ∈C使得f(x)=λx+μ(x)对所有元x∈R成立,其中λ~(k+1)=1,C是R的扩展中心. 相似文献
11.
孙燮华 《高等学校计算数学学报》1983,(4)
设f∈C[-1,1],ω(t)为给定的连续模,H_ω={f|ω(f,t)≤ω(t)},U_n(x)=sin(n+1)θ/sinθ(x=cosθ)是第二类Chebyshev多项式。以U_n(x)的零点x_k=cosθ_k==con(kπ)/(n+1)(k=1,2,…,n)为节点的拟Hermite-Fejer算子有如下的形式 最近,S.J.Goodenough和T.M.Mills发表了如下的定理:若f∈C[-1,1], 相似文献
12.
13.
在非线性最小二乘问题的研究中,MDLS算法的收敛速率定理([1]或参看[2])有着重要的理论意义,但Meyer在证明该定理时,假定了阻尼因子序列λ_k→0。他首先在这一条件(及其它一些条件)下证明了,对充分大的k,步长因子α_k都为1。进而得到对收敛速率的估计。本文指出,在去掉了λ_k→0这个条件后,仍然可以证明,对充分大的k均有 α_k=1。我们还据此证明了,若采用通常的调整λ_k的策略即能保证λ_k→0。从而可以得到同样的收敛速率估计。因而从本质上来说,本文证明了条件λ_k→0是多余的——删去这一条件后定理仍然成立。 相似文献
14.
<正> 在优化技术中,变测度算法是近年来常用的一种方法.如果问题是求目标函数f(x)的极小点,所谓变测度算法,可以溉述如下:给定一个初始点x_o与一初始方阵H_o,对于一般的k,在已知x_k与H_k的前提下,以g_k表示f(x)在x_k处的梯度向量,而以 相似文献
15.
§1.引言本文研究零点聚集在有穷条半射线argz=θ:θ_2,…,θ_k附近的整函数f(z)的级λ(f)与下级μ(f)的关系。以往的研究(参见[1]、[2]、[3]、[4]、[5]、[6])表明:如果f(z)的全部零点仅分布在argz=θ_1,θ_2,…θ_k上,若μ(f)<∞,则λ(f)<∞。张广厚和伍鹏程曾研究上述结果的推广问题。Norbert steinmetz在[6]中提出:是否存在仅与μ(f)和k有关的λ(f)的明确上界?他证明了k=1,2时有λ(f)≤[μ(f)]+k。而对k≥3没有任何一般性结果。本文寻求新的途径,拓广以前的结果,并给出k=3时λ(f)的一个明确上界。 相似文献
16.
<正>1引言本文考虑求解大规模无约束最优化问题■f(x):(1.1)其中f:R~n→R是二阶连续可微的实值目标函数,n是一个比较大的正整数.在求解问题(1.1)时,通常的迭代法产生一个迭代点列x_0,x_1,x_2,…,其中x_(k+1)由x_k产生.在每一步迭代中,算法首先解一个信赖域子问题:■m_k(s)■g_k~T s+1/2s~TH_ks,s.t.||s||≤△_k,(1.2) 相似文献
17.
《高等学校计算数学学报》2016,(4)
正1引言无约束最优化问题min{f(x)|x∈R~n}有广泛的实际应用背景,很多的学者致力于它的算法研究.其算法一般采用迭代方法求解,在当前迭代点x_k处,g_k=▽f(xk)≠0,沿搜 相似文献
18.
在部分线性回归模型基础上,本文对自变量x进行了变形,使部分线性回归模型变为EV模型,y_k=x_kβ+g(t_k)+ε_k,X_k=x_k+u_k,k=1,2,…,n,自变量x_k只能通过X_k=x_k+u_k来观测,其中误差是非长相依的,并采用小波估计方法对结论进行证明.对水文地理学,经济学,时间序列分析和其他科学领域都有作用. 相似文献
19.
多维连续函数求积公式的误差估计 总被引:1,自引:0,他引:1
设E~k={(x_1,…,x_k)∈R~k:0≤x_i≤1,=1,2,…,k}为k维单位立方体.?_c,…,?_N为E~k中的N个点.A(M;N)为满足?_i∈M?E~k,1≤i≤N的点的个数.对于γ=(γ_1,…,γ_k)∈E~k,令 I(γ)={(x_1,…,x_k)∈E~k:0≤x_i<γ_i,i=1,2,…,k}.(1)λ为通常的k维Lebesgue测度,那么 相似文献