LS-共轭梯度算法的收敛性

对无约束规划 (P) :minx∈Rnf(x) ,其中 f(x)是Rn→R1上的二阶连续可微函数 ,通过引入强迫函数和逆连续模函数 ,证明了一类采用Curry Altman步长规则的LS 共轭梯度算法的全局收敛性质 ,利用比较原理进一步讨论了LS 共轭梯度算法在采用另外三种步长规则下的全局收敛性     

一种线搜索下修正LS共轭梯度法的全局收敛性

根据一种可获得更大步长的非精确线搜索条件，结合LS共轭梯度法的计算公式，本文给出了一种修正LS算法，该算法保证每次迭代中的搜索方向是充分下降的，并证明了该算法是全局强收敛的．     

一种共轭梯度算法的全局收敛性

本文提出了一种计算βk的新公式，即提出了一种新的共轭梯度法，证明了一种非精确线性搜索能够保证这种算法的下降性和全局收敛性．     

带非精确线搜索的共轭梯度算法之收敛性

给出一类以共轭梯度算法为其子类的下降迭代算法.并在三种非精确线搜索下给出了这类算法的较弱的收敛性条件.     

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．     

一族共轭梯度算法的全局收敛性

提出了一族计算βk的新公式,即提出了一族新的共轭梯度法,证明了一种非精确线怀搜索能够保证这种方法的下降性和全局收敛性。     

PR共轭梯度算法的全局收敛性

给出一种新的Armijo型的线搜索,在该搜索下PR共轭梯度算法能保证无约束最优化问题的全局收敛性。     

修正LS共轭梯度方法及其收敛性

提出了一种有效的修正LS共轭梯度方法.该方法在每一步迭代中均产生一个充分下降方向,且不依赖于任何线搜索.在强Wolfe线搜索下,讨论了新方法对一般目标函数的全局收敛性.最后,与著名的PRP方法、CG-DESCENT方法比较,大量的数值试验表明,修正LS共轭梯度方法对给定的测试问题是有效的.     

非线性规划不用梯度作线搜索的算法及收敛性

首先给出求解无约束规划中步长搜索依赖的几个准则和一个线搜索方法，它们仅利用目标函数值，不依赖于梯度，然后，给出点列整体收敛的充分条件，并建立无约束规划的几个具有整体收敛性的算法。此外，还给出算法超线性收敛的条件，最后将方法应用于求解等式约束规划，产生其整体收敛的不用梯度的可行下降算法。     

一类共轭梯度算法的收敛性

对无约束最优化问题minfx∈R^n（x）,提出了一类与βk^HS相关的共轭梯度算法,采用强Wolfe搜索,在较弱的条件下,证明了其充分下降性和全局收敛性．     

随机梯度算法的收敛性分析

虽然随机梯度算法的计算量比最小二乘法要小得多,但是它的收敛速度很慢。为了提高随机梯度算法的收敛速度和参数估计精度,提出了遗忘梯度算法,它不仅具有较快的收敛速度,而且具有跟踪时变参数的能力。随机梯度算法的收敛性证明是辨识领域的一个研究难题,文章运用鞅收敛定理分析了它的收敛性,结果表明随机梯度算法给出的参数估计误差一致有界,在强持续激励条件下参数估计误差一致收敛于零。数字仿真表明提出的方法是有效的。     

在新线搜索下修正PRP共轭梯度法的收敛性

介绍了一种新线搜索的背景,该线性搜索将wolfe线搜索中的参数范围由0δ1/2扩展至0δ1,并证明了修正PRP共轭梯度法在该线搜索下的全局收敛性.     

随机扰动梯度近似中的矩收敛率

采用递归估计器的序列求函数的最小值 ,并扩展了Spall的同步扰动随机近似方法 ,进而提出随机扰动梯度近似算法 .对于任意的 1≤q<∞ ,可用估计误差的范数Lq 来度量收敛率 ,序列的收敛速度为O(n- 2 ) ,( >0 ) .在最小点上 ,若代价函数的Hessian矩阵的所有本征值都在 1 2的右面 ,则误差指数 2可任意地接近 1 2 ,并且代价函数足够光滑 ,还可使用导数的高阶近似     

一种混合的共轭梯度法

共轭梯度法是求解大规模无约束问题的一种有效方法.针对算法的优劣主要依赖于步长因子和搜索方向的特点,结合共轭梯度法的共轭性质,提出一种改进的可以控制步长因子的混合的HS-DY共轭梯度法.数值试验表明算法具有良好的收敛性和有效性.     

共轭斜量法及其算法实现

介绍了共轭斜量法的基本思想，并给出了实现其原理的算法。共轭斜量法属于迭代法的一种，它算法简单，存储量少，时间复杂度低，尤其在解大型线性方程组时占有优势。     

共轭梯度法和最速下降法的混合算法

将共轭梯度法与最速下降法有机地结合起来,构造了一种共轭梯度法和最速下降法的混合算法,并证明了该算法的全局收敛．混合算法既提高了共轭梯度算法的收敛速度,又解决了目标函数“性态不优”时,最速下降法难以求解的问题．同时也可以看到共轭梯度法与最速下降法仅仅是混合算法的特例．     

坡度线尺的研制与坡度线放样新方法

阐述坡度线尺的原理、设计方案及坡度线尺的应用     

梯度PZT铁电陶瓷的介电性质

采用常规陶瓷制备方法制备了单组分锆钛酸铅（PZT）和梯度PZT铁电陶瓷材料．对两者的介电特性进行了比较和研究．单组分样品在相变处介电常数出现峰值，而通过热扩散形成的梯度铁电陶瓷能拓宽相变区域，在较宽的温度范围内获得较高的介电常数．     

基于非线性共轭梯度的同时扰动随机逼近方法

为了消除黑塞矩阵和步长因子的影响,利用非线性共轭梯度算法计算搜索方向,在混合非线性共轭梯度算法的作用下保证了每次搜索均为下降方向;利用非精确线搜索方法改进SPSA步长计算方法,通过与下降的搜索方向结合,保证了每次迭代时目标函数值的减小,加快了收敛速度.将改进的SPSA算法用于异步电机再励学习系统中,仿真结果证明了其可行性和优越性.