| 结合广义Armijo步长搜索的超记忆梯度算法及其收敛特征 |
| |
| 引用本文： | 孙清滢.结合广义Armijo步长搜索的超记忆梯度算法及其收敛特征[J].数学的实践与认识,2002,32(4):621-628. |
| |
| 作者姓名： | 孙清滢 |
| |
| 作者单位： | 大连理工大学应用数学系,辽宁,大连,116024;石油大学应用数学系,山东,东营,257061 |
| |
| 摘 要： | 对无约束规划 ( P) :minx∈ Rnf ( x) ,其中 f ( x)是 Rn→ R1上的一阶连续可微函数 ,设计了一个超记忆梯度求解算法 ,并在去掉迭代点列 { xk}有界和广义 Armijo步长搜索下 ,讨论了算法的全局的收敛性 ,证明了算法具有较强的收敛性质
|
| 关 键 词： | 非线性规划 超记忆梯度 收敛 |
| 修稿时间： | 2000年12月12 |
Some Convergence Properties of an Improved Super-memory Gradient Method with Generalized Armijo Step Size Rule |
| |
| SUN Qing-ying.Some Convergence Properties of an Improved Super-memory Gradient Method with Generalized Armijo Step Size Rule[J].Mathematics in Practice and Theory,2002,32(4):621-628. |
| |
| Authors: | SUN Qing-ying |
| |
| Abstract: | In this paper, we discuss the convergence properties of an improved super-memory gradient method for minimizing a continuously differentiable function f on R n with generalized Armijo step size rule without assuming that the sequence of iterates {x k} is bounded. We establish strong convergence properties of this improved super-memory gradient method. |
| |
| Keywords: | nonlinear programming super-memory gradient method convergence |
| 本文献已被 CNKI 万方数据 等数据库收录！ |
|
