首页> 中文学位 >具有充分下降性的非线性共轭梯度法
【6h】

具有充分下降性的非线性共轭梯度法

代理获取

目录

文摘

英文文摘

声明

第一章 绪论

1.1 最优化问题的提出及最优性条件

1.2 求解无约束最优化的导数下降类算法

第二章 非线性共轭梯度法简介

2.1 非线性共轭梯度算法概述

2.2 非线性共轭梯度法收敛性分析

2.2.1 FR方法

2.2.2 PRP方法

2.2.3 HS方法

2.2.4 CD方法

2.2.5 DY方法

2.2.6 WYL方法

2.3 杂交共轭梯度法的提出

2.4 本文的主要工作

2.5 本文假设

第三章 一种修正的FR方法

3.1 引言

3.2 算法

3.3 全局收敛性

3.4 数值试验

第四章 一种修正的HS法

4.1. Armijo型线搜索下修正HS共轭梯度法的全局收敛性

4.1.1 引言

4.1.2 算法

4.1.3 全局收敛性

4.1.4 数值试验

4.2 非单调线搜索下修正HS法的全局收敛性

4.2.1 引言

4.2.2 算法

4.2.3 全局收敛性

4.2.4 数值试验

第五章 采用固定步长的非线性共轭梯度法的全局收敛性

5.1 引言

5.2 收敛性分析

结论

参考文献

硕士期间发表论文目录

致谢

展开▼

摘要

最优化是一门应用相当广泛的学科,它讨论决策问题的最佳选择,构造寻求最优解的计算方法。虽然最优化问题可以追溯到古老的极值问题,但直到1947年Dantzig提出一般线性规划问题的单纯形法后,它才成为一门独立的学科。近年来随着系统科学的发展和计算机的广泛应用,最优化理论和方法在工程、国防、经济、管理等领域以及许多数学分支都有着直接或间接的应用,成为一门十分活跃的学科。共轭梯度法是最优化中常用的方法之一,它具有算法简单、存储需求少、易于实现等优点,十分适合求解大规模无约束优化问题。本文研究了求解无约束优化问题的非线性共轭梯度法,并探讨了全局收敛性和数值表现。主要研究内容如下: ⑴介绍了最优化问题的提出以及判断最优解常用的最优性条件;回顾了求解无约束优化问题常用的几类导数下降类算法。 ⑵介绍了本文将要研究的问题背景和已有结果以及目前的研究现状。 ⑶提出了两种修正的非线性共轭梯度法,分别为修正FR方法和修正HS方法,这两种修正方法的一个重要特征就是能产生充分下降方向,即搜索方向dk满足gkTdk=-‖gk‖2.这种性质不依赖于方法所采用的线性搜索。此外,当采用精确线性搜索时,本文的修正FR方法和修正HS方法分别退化为原始的FR方法和HS方法。因此,当目标函数是严格凸二次函数,且采用精确线性搜索时,这些修正的共轭梯度法具有共轭性和二次终止性。在一定的条件下,我们证明了采用标准Armijo线搜索的修正共轭梯度法求解非凸极小化问题的全局收敛性。在非单调Armijo线搜索下证明了修正HS方法的全局收敛性。数值结果表明本文所修正的共轭梯度法具有良好的计算效能,适合求解大规模无约束优化问题,且稳定性较好。 ⑷证明了修正的FR方法和修正的HS方法采取固定步长时的全局收敛性。

著录项

相似文献

  • 中文文献
  • 外文文献
  • 专利
代理获取

客服邮箱:kefu@zhangqiaokeyan.com

京公网安备:11010802029741号 ICP备案号:京ICP备15016152号-6 六维联合信息科技 (北京) 有限公司©版权所有
  • 客服微信

  • 服务号