充分下降性
充分下降性的相关文献在1998年到2022年内共计83篇,主要集中在数学
等领域,其中期刊论文81篇、会议论文2篇、专利文献442492篇;相关期刊52种,包括周口师范学院学报、红河学院学报、重庆工商大学学报(自然科学版)等;
相关会议2种,包括中国运筹学会第十届学术交流会、全国第十五届离散数学学术研讨会等;充分下降性的相关文献由111位作者贡献,包括王松华、刘金魁、李丹丹等。
充分下降性—发文量
专利文献>
论文:442492篇
占比:99.98%
总计:442575篇
充分下降性
-研究学者
- 王松华
- 刘金魁
- 李丹丹
- 王开荣
- 李灿
- 李远飞
- 陈忠
- 韦增欣
- 关洪波
- 刘利英
- 王胜
- 谢丽
- 黎勇
- 刘海林
- 吴素花
- 周亚群
- 周雪琴
- 孙敏
- 张鹏
- 曹香莲
- 李小勇
- 林穗华
- 武小平
- 汪丹戎
- 焦佳佳
- 王艳
- 田志远
- 邓小红
- 郑丽
- 郑希锋
- 马文亚
- 黄海
- LI Yong
- Qin Ni
- Tsegay Giday Woldu
- WANG Songhua
- WU Jiaqi
- Wei-Na Huo
- 倪勤
- 刘丽平
- 刘雪英
- 卿倩
- 吴加其
- 吴晓云
- 吴根师
- 周光辉
- 夏师
- 廖若沙1
- 张劲松
- 张慧玲
-
-
李丹丹;
李远飞;
王松华
-
-
摘要:
提出一种新的修正三项Hestenes-Stiefel共轭梯度投影算法,用于求解大规模非线性方程组问题和信号恢复问题.该算法通过构造一个新的修正Hestenes-Stiefel搜索方向,结合经典线搜索方法和超平面投影技术而得,新搜索方向在不需要任何线搜索条件下自动满足充分下降性,在常规假设条件下,新算法具有全局收敛性质.数值实验结果表明,新算法高效且稳定.
-
-
李丹丹;
李远飞
-
-
摘要:
为了解决稀疏信号重构问题,改善求解非线性方程组的效率性能,构建一种新的修正方向,结合新型的线搜索方法和经典的超平面投影技术,提出了一个修正共轭梯度投影算法.新算法在合理的假设下,具有全局收敛的良好性质.数值结果表明与同类算法相比,新算法具有更高效的求解能力,在稀疏信号重构问题的应用中,验证了新算法的有效性与可行性.
-
-
祝子长;
刘丽平
-
-
摘要:
本文研究了大规模无约束优化问题,利用BFGS逼近搜索方向,提出了两种关于HSDY方法的自适应共轭梯度算法(HSDY1和HSDY2).新算法具有充分下降性和全局收敛性.数值实验表明,新方法比HSDY的计算性能更优.
-
-
陈秀芳;
李锋
-
-
摘要:
通过修改共轭系数和谱系数公式,给出了基于强Wolfe搜索技术的谱共轭梯度法,在一般假设条件成立下,证明了该算法满足充分下降性、具有全局收敛性,并进行了数值实验,数值实验表明,新算法具有更好的数值性能.
-
-
李丹丹;
李远飞
-
-
摘要:
针对高效求解大规模非线性单调方程组问题,克服其他算法存储量大等缺点,构建出一个新型的搜索方向,结合线搜索技术和超平面投影方法,提出一种无导数型共轭梯度投影算法。新算法满足以下优点:(1)在不依赖于任何线搜索下,自动满足充分下降性条件;(2)在合理的假设条件下,具有全局收敛性。初步的数值试验结果表明,对于求解大规模非线性单调方程组,在相同条件下新算法比同类算法更高效。
-
-
张慧玲;
赛·闹尔再;
吴晓云
-
-
摘要:
基于著名的PRP共轭梯度方法,利用CGESCENT共轭梯度方法的结构,本文提出了一种求解大规模无约束最优化问题的修正PRP共轭梯度方法。该方法在每一步迭代中均能够产生一个充分下降的搜索方向,且独立于任何线搜索条件。在标准Wolfe线搜索条件下,证明了修正PRP共轭梯度方法的全局收敛性和线性收敛速度。数值结果展示了修正PRP方法对给定的测试问题是非常有效的。
-
-
胡倩蕊;
周光辉;
曹尹平
-
-
摘要:
共轭梯度法是求解大规模无约束优化问题的一类十分重要的方法,充分下降性对共轭梯度法的收敛性证明具有十分重要的作用。基于经典的共轭梯度法,本文给出了一类具有充分下降性的共轭梯度法,算法的充分下降性是独立于线搜索的选择。在适当条件下,证明了该算法在标准Armijo线搜索下对于求解一致凸函数极小值的问题是全局收敛的。同时,数值实验表明该算法是有效的。
-
-
李丹丹;
李远飞
-
-
摘要:
为了克服其他算法复杂和存储量大等缺点,基于经典的线搜索方法和超平面投影技术,设计了一种新型无导数的三项共轭梯度算法,用于求解大规模非线性单调方程组.算法的搜索方向满足充分下降性质,在一定假设条件下保证全局收敛性等优点.大规模的数值结果表明,算法求解效率比同类算法更快,具有更强的竞争性.
-
-
李月
-
-
摘要:
共轭梯度法因为其迭代简单和低存储等特点,在工程问题、金融模型等许多实际领域中得到广泛的应用;针对大规模无约束优化问题,提出了一类混合的DL-WYL共轭梯度法——LHSDL方法,它可以看作是一类修正的DL共轭梯度法,即利用一个数值效果和理论结果均良好的Wei-Yao-Liu型共轭梯度法的共轭参数去修正DL共轭梯度法的第一项;它也可以看作是一类修正的WYL共轭梯度法,通过添加DL共轭梯度法的第二项,使该方法可能含有一些Hessian信息.LHSDL方法相对于DL方法具有一个较好的性质,即在强Wolfe线搜索条件下具有充分下降性,并且理论证明了LHSDL方法对于一般函数具有全局收敛性;数值实验是在CUTEr集的一组无约束优化测试问题上进行的,由Dolan和Moré的性能曲线图表明:LHSDL方法略优于DK+方法和MNVHS方法.
-
-
张菊;
谢丽
-
-
摘要:
非线性共轭梯度法不仅对于大规模光滑优化问题非常有效,而且在理论和算法分析上也很成熟.在实际应用中,此方法针对于大规模非光滑问题并未得到广泛的研究,很少有学者致力于研究此问题.因此,为了解决大规模非光滑问题,基于Yuan-Wei-Lu线搜索提出一类修正的HS共轭梯度法,该方法不仅具有充分下降性而且具有信赖域性质;同时还证明了该方法对于一般函数具有全局收敛性和信赖域性.