期刊文献+
共找到7篇文章
< 1 >
每页显示 20 50 100
Wolfe线性搜索下的超记忆梯度法及其收敛性
1
作者 汤京永 董丽 《吉林大学学报(理学版)》 CAS CSCD 北大核心 2010年第3期396-400,共5页
研究无约束优化问题,给出了一种新的超记忆梯度法,在较弱条件下证明了算法具有全局收敛性和线性收敛速率.数值试验表明新算法是有效的.
关键词 无约束优化 超记忆梯度法 全局收敛 线性收敛速率
在线阅读 下载PDF
非线性互补约束均衡问题的一个SQP算法 被引量:9
2
作者 朱志斌 简金宝 张聪 《应用数学和力学》 CSCD 北大核心 2009年第5期613-622,共10页
提出了一个求解非线性互补约束均衡问题(MPCC)的逐步逼近光滑SQP算法.通过一系列光滑优化来逼近MPCC.引入l1精确罚函数,线搜索保证算法具有全局收敛性.进而,在严格互补及二阶充分条件下,算法是超线性收敛的.此外,当算法有限步终止,当前... 提出了一个求解非线性互补约束均衡问题(MPCC)的逐步逼近光滑SQP算法.通过一系列光滑优化来逼近MPCC.引入l1精确罚函数,线搜索保证算法具有全局收敛性.进而,在严格互补及二阶充分条件下,算法是超线性收敛的.此外,当算法有限步终止,当前迭代点即为MPEC的一个精确稳定点. 展开更多
关键词 均衡问题 序列二次规划算法 逐步逼近 全局收敛 线性收敛速率
在线阅读 下载PDF
一类新的记忆梯度法及其收敛性 被引量:4
3
作者 汤京永 董丽 《工程数学学报》 CSCD 北大核心 2010年第4期637-642,共6页
本文着重研究求解无约束优化问题的记忆梯度法,利用当前和前面一步迭代点的信息产生下降方向,采用Armijo线性搜索确定步长,得到了一类新的无约束优化算法。新算法在较弱的条件下具有全局收敛性和线性收敛速率,并且不用计算和存储矩阵,... 本文着重研究求解无约束优化问题的记忆梯度法,利用当前和前面一步迭代点的信息产生下降方向,采用Armijo线性搜索确定步长,得到了一类新的无约束优化算法。新算法在较弱的条件下具有全局收敛性和线性收敛速率,并且不用计算和存储矩阵,适于求解大规模优化问题。数值试验表明算法是有效的。 展开更多
关键词 无约束优化 记忆梯度法 全局收敛 线性收敛速率
在线阅读 下载PDF
一类新的记忆梯度法及其收敛性
4
作者 汤京永 董丽 《中山大学学报(自然科学版)》 CAS CSCD 北大核心 2010年第5期25-29,共5页
提出一类新的求解无约束优化问题的记忆梯度法。算法在每步迭代中利用当前和前面迭代点的信息产生下降方向,采用精确线性搜索或Wolfe非精确线性搜索产生步长,在较弱条件下证明了算法具有全局收敛性和线性收敛速率。数值试验表明算法是... 提出一类新的求解无约束优化问题的记忆梯度法。算法在每步迭代中利用当前和前面迭代点的信息产生下降方向,采用精确线性搜索或Wolfe非精确线性搜索产生步长,在较弱条件下证明了算法具有全局收敛性和线性收敛速率。数值试验表明算法是有效的。 展开更多
关键词 无约束优化 记忆梯度法 全局收敛 线性收敛速率
在线阅读 下载PDF
一类无需线性搜索的记忆梯度法
5
作者 汤京永 董丽 《应用数学》 CSCD 北大核心 2011年第2期249-254,共6页
提出一类新的求解无约束优化问题的记忆梯度法,证明了算法的全局收敛性.当目标函数为一致凸函数时,对其线性收敛速率进行了分析.新算法在迭代过程中无需对步长进行线性搜索,仅需对算法中的一些参数进行预测估计,从而减少了目标函数及梯... 提出一类新的求解无约束优化问题的记忆梯度法,证明了算法的全局收敛性.当目标函数为一致凸函数时,对其线性收敛速率进行了分析.新算法在迭代过程中无需对步长进行线性搜索,仅需对算法中的一些参数进行预测估计,从而减少了目标函数及梯度的迭代次数,降低了算法的计算量和存储量.数值试验表明算法是有效的. 展开更多
关键词 无约束优化 记忆梯度法 全局收敛 线性收敛速率
在线阅读 下载PDF
Armijo线搜索修正LS共轭梯度法的收敛性
6
作者 黄海 《广西科学》 CAS 2012年第1期7-9,共3页
基于修正LS共轭梯度法,给出合适的初始步长,使采用Armijo线搜索的迭代过程满足充分下降性.在较弱的条件下,证明算法具有全局收敛性和至少线性收敛速率.
关键词 共轭梯度法 ARMIJO线搜索 全局收敛 线性收敛速率
在线阅读 下载PDF
一类新的曲线搜索下的多步下降算法 被引量:7
7
作者 汤京永 董丽 李学志 《应用数学》 CSCD 北大核心 2009年第4期815-820,共6页
提出一类新的曲线搜索下的多步下降算法,在较弱条件下证明了算法具有全局收敛性和线性收敛速率.算法利用前面多步迭代点的信息和曲线搜索技巧产生新的迭代点,收敛稳定,不用计算和存储矩阵,适于求解大规模优化问题.数值试验表明算法是有... 提出一类新的曲线搜索下的多步下降算法,在较弱条件下证明了算法具有全局收敛性和线性收敛速率.算法利用前面多步迭代点的信息和曲线搜索技巧产生新的迭代点,收敛稳定,不用计算和存储矩阵,适于求解大规模优化问题.数值试验表明算法是有效的. 展开更多
关键词 无约束优化 曲线搜索 全局收敛 线性收敛速率
在线阅读 下载PDF
上一页 1 下一页 到第
使用帮助 返回顶部