混合超记忆梯度法多尺度全波形反演 被引量：1

1

作者 胡勇 韩立国 +2 位作者 张盼 白璐 张天泽 《石油物探》 EI CSCD 北大核心 2016年第4期559-567,605,共10页

超记忆梯度类优化算法具有全局收敛性和超线性收敛速度,计算内存需求小,适合求解大规模无约束优化问题。将超记忆梯度类优化算法应用到全波形反演中,结合超记忆梯度类方法优点,提出混合超记忆梯度法全波形反演策略,并给出详细的实施流... 超记忆梯度类优化算法具有全局收敛性和超线性收敛速度,计算内存需求小,适合求解大规模无约束优化问题。将超记忆梯度类优化算法应用到全波形反演中,结合超记忆梯度类方法优点,提出混合超记忆梯度法全波形反演策略,并给出详细的实施流程。数值试算结果表明,混合超记忆梯度法优于共轭梯度法。含不同强度噪声的地震数据及不同精度初始模型的反演结果表明,混合超记忆梯度法反演精度较高。反演效率分析结果表明,混合超记忆梯度法反演耗时较短,证明了该混合策略在全波形反演应用中有一定的优势。 展开更多

关键词 全波形反演 共轭梯度法 超记忆梯度法 固定步长超记忆梯度法 混合超记忆梯度法

在线阅读 下载PDF 职称材料

一类新的记忆梯度法及其收敛性 被引量：4

2

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 全局收敛性 线性收敛速率

在线阅读 下载PDF 职称材料

一类新的曲线搜索下的记忆梯度法(英文) 被引量：2

3

作者 汤京永 董丽 《应用数学》 CSCD 北大核心 2010年第3期575-581,共7页

提出一类新的求解无约束优化问题的记忆梯度法,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.算法采用曲线搜索方法,在每一步同时确定搜索方向和步长,收敛稳定,并且不需计算和存储矩阵,适于求解大规模优化问题.数值试验表明算... 提出一类新的求解无约束优化问题的记忆梯度法,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.算法采用曲线搜索方法,在每一步同时确定搜索方向和步长,收敛稳定,并且不需计算和存储矩阵,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 曲线搜索 收敛性

在线阅读 下载PDF 职称材料

非精确搜索下的超记忆梯度法及其收敛性 被引量：4

4

作者 时贞军 《应用科学学报》 CAS CSCD 2003年第3期241-243,共3页

提出一种新的无约束优化超记忆梯度算法,算法在每步迭代中充分利用前面迭代点的信息产生下降方向,采用Armijo搜索产生搜索步长,在较弱的条件下证明了算法的全局收敛性.

关键词 无约束优化 非精确搜索 超记忆梯度法 收敛性 Armijo线性搜索 全局收敛性 迭代点

在线阅读 下载PDF 职称材料

一类新的非单调记忆梯度法及其全局收敛性(英文) 被引量：3

5

作者 汤京永 董丽 《数学理论与应用》 2009年第2期5-8,共4页

在非单调Armijo线搜索的基础上提出一种新的非单调线搜索,研究了一类在该线搜索下的记忆梯度法,在较弱条件下证明了其全局收敛性。与非单调Armijo线搜索相比,新的非单调线搜索在每次迭代时可以产生更大的步长,从而使目标函数值充分下降... 在非单调Armijo线搜索的基础上提出一种新的非单调线搜索,研究了一类在该线搜索下的记忆梯度法,在较弱条件下证明了其全局收敛性。与非单调Armijo线搜索相比,新的非单调线搜索在每次迭代时可以产生更大的步长,从而使目标函数值充分下降,降低算法的计算量。 展开更多

关键词 无约束最优化 记忆梯度法 非单调线搜索 全局收敛性

在线阅读 下载PDF 职称材料

非精确搜索下的超记忆梯度法 被引量：2

6

作者 时贞军 《工程数学学报》 CSCD 北大核心 2004年第3期467-470,390,共5页

本文提出一种新的无约束优化超记忆梯度算法,算法在每步迭代中充分利用前面迭代点的信息产生下降方向,采用Armijo非精确线性搜索产生搜索步长,在较弱的条件下证明了算法的全局收敛性。

关键词 无约束优化 超记忆梯度法 Armijo线性搜索 全局收敛性

在线阅读 下载PDF 职称材料

一类无需线性搜索的记忆梯度法

7

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 全局收敛性 线性收敛速率

在线阅读 下载PDF 职称材料

一个基于非单调技术的超记忆梯度法

8

作者 林海婵 李靖雅 欧宜贵 《应用数学》 CSCD 北大核心 2020年第1期116-125,共10页

本文给出一个修正的非单调线搜索策略,并结合该策略提出一个求解无约束优化问题的超记忆梯度算法.该算法的主要特点是:在每一次迭代中,它所产生的搜索方向总是满足充分下降条件.这一特性不依赖于目标函数的凸性以及方法所采用的线搜索策... 本文给出一个修正的非单调线搜索策略,并结合该策略提出一个求解无约束优化问题的超记忆梯度算法.该算法的主要特点是:在每一次迭代中,它所产生的搜索方向总是满足充分下降条件.这一特性不依赖于目标函数的凸性以及方法所采用的线搜索策略.在较弱的条件下,该方法具有全局收敛和局部R-线性收敛性.数值实验表明了该方法的有效性. 展开更多

关键词 无约束优化 非单调技术 超记忆梯度法 收敛性分析 数值实验

在线阅读 下载PDF 职称材料

Goldstein线搜索下一种超记忆梯度法的全局收敛性

9

作者 杨锋 陈忠 杜乐乐 《河北理工大学学报（自然科学版）》 CAS 2008年第4期104-106,111,共4页

对于无约束优化问题,在目标函数满足一定条件时,证明了Goldstein线搜索下一种超记忆梯度法的全局收敛性。

关键词 无约束最优化问题 超记忆梯度法 GOLDSTEIN线搜索 全局收敛性

在线阅读 下载PDF 职称材料

一个超记忆梯度法

10

作者 刘庆吉 吕贵卿 《大庆石油学院学报》 CAS 北大核心 1990年第3期76-81,共6页

给出了一个t项超记忆梯度法。它是通常的超记忆梯度法与共轭梯度法的结合.是文[1]中改进的记忆梯度法的一般化。该方法具有二次终结性质和全局收敛性质。

关键词 超记忆梯度法 无约束问题

在线阅读 下载PDF 职称材料

一个基于定步长技术的超记忆梯度法 被引量：2

11

作者 刘元文 欧宜贵 马巍 《应用数学》 CSCD 北大核心 2015年第1期74-82,共9页

基于定步长技术,本文给出一种求解无约束优化问题的超记忆梯度算法,从而避免每步都执行线搜索.在一定条件下证明该算法具有全局收敛性和局部线性收敛率.由于该方法不用计算和存储矩阵,故适合于求解大规模优化问题.数值试验表明该算法是... 基于定步长技术,本文给出一种求解无约束优化问题的超记忆梯度算法,从而避免每步都执行线搜索.在一定条件下证明该算法具有全局收敛性和局部线性收敛率.由于该方法不用计算和存储矩阵,故适合于求解大规模优化问题.数值试验表明该算法是有效的. 展开更多

关键词 无约束优化 定步长技术 超记忆梯度法 数值试验

在线阅读 下载PDF 职称材料

Armijo搜索下的记忆梯度法及其收敛性 被引量：2

12

作者 张祖华 时贞军 《运筹与管理》 CSCD 2007年第1期24-27,共4页

本文提出一种新的无约束优化记忆梯度算法,在Armijo搜索下,该算法在每步迭代时利用了前面迭代点的信息,增加了参数选择的自由度,适于求解大规模无约束优化问题。分析了算法的全局收敛性。

关键词 无约束优化 记忆梯度法 ARMIJO搜索 全局收敛性

在线阅读 下载PDF 职称材料

无约束多目标优化的记忆梯度法 被引量：1

13

作者 范开林 徐尔 《运筹与管理》 CSSCI CSCD 北大核心 2014年第3期45-48,共4页

基于无约束单目标记忆梯度法,本文提出了一种无约束多目标优化问题的记忆梯度法,并证明了算法在Armijo线性搜索下的收敛性。数据试验结果验证了该算法的有效性。

关键词 多目标优化 记忆梯度法 Armijo线性搜索 Pareto-临界点

在线阅读 下载PDF 职称材料

一个新的带误差项的记忆梯度算法 被引量：3

14

作者 孙清滢 谷亚丽 王长钰 《工程数学学报》 CSCD 北大核心 2007年第5期813-818,共6页

对无约束规划问题,本文提出了结合Armijo步长搜索规则的一类带误差项的记忆梯度求解算法,并在目标函数的梯度一致连续的条件下,证明了算法的全局收敛性。同时给出带误差项的结合拟-Newton方程的记忆梯度算法。数值例子表明算法是有效的。

关键词 无约束最优化 记忆梯度法 广义Armijo步长搜索规则 收敛

在线阅读 下载PDF 职称材料

无约束优化的超记忆梯度算法 被引量：45

15

作者 时贞军 《工程数学学报》 CSCD 北大核心 2000年第2期99-104,共6页

提出了一种无约束优化超记忆梯度算法 ,分析了算法的收敛性 ,并对算法进行了数值试验 ,结果表明算法比 Armijo搜索下的 FR和 PR共轭梯度法及 Cauchy方法有效 ,特别适于求解大规模无约束最优化问题。

关键词 无约束优化 超记忆梯度法 收敛性 最优化

在线阅读 下载PDF 职称材料

结合广义Armijo步长搜索的一类记忆梯度算法及其收敛特征 被引量：1

16

作者 朱帅 王希云 《工程数学学报》 CSCD 北大核心 2012年第2期205-211,共7页

本文对求解无约束规划的超记忆梯度算法中线搜索方向中的参数,给了一个假设条件,从而确定了它的一个新的取值范围,保证了搜索方向是目标函数的充分下降方向,由此提出了一类新的记忆梯度算法.并在去掉迭代点列有界和广义Armijo步长搜索下... 本文对求解无约束规划的超记忆梯度算法中线搜索方向中的参数,给了一个假设条件,从而确定了它的一个新的取值范围,保证了搜索方向是目标函数的充分下降方向,由此提出了一类新的记忆梯度算法.并在去掉迭代点列有界和广义Armijo步长搜索下,讨论了算法的全局收敛性,且给出了结合形如共轭梯度法FR,PR,HS的记忆梯度法的修正形式.数值实验表明,新算法比Armijo线搜索下的FR,PR,HS共轭梯度法和超记忆梯度法更稳定、更有效. 展开更多

关键词 无约束优化 记忆梯度法 广义Armijo线搜索 全局收敛性

在线阅读 下载PDF 职称材料

结合广义Armijo步长搜索的带误差项的记忆梯度算法

17

作者 孙清滢 桑兆阳 吕炜 《中国石油大学学报（自然科学版）》 EI CAS CSCD 北大核心 2009年第1期162-166,共5页

对非线性无约束规划提出了结合广义Armijo步长搜索规则的一类带误差项的记忆梯度求解算法,在目标函数梯度一致连续的条件下,证明了算法的全局收敛性,同时给出带误差项的结合拟-Newton方程的记忆梯度算法。数值结果表明算法是有效的。

关键词 无约束最优化 带误差项的记忆梯度法 广义Armijo步长搜索规则 全局收敛 数值试验

在线阅读 下载PDF 职称材料

一个超记忆梯度广义投影算法

18

作者 亓健 王清河 王明春 《石油大学学报（自然科学版）》 CSCD 2000年第1期109-111,共3页

利用广义投影技术 ,将无约束超记忆梯度法推广到非线性不等式约束优化问题 ,从而建立了一个超记忆梯度广义投影算法 ,并在较弱条件下给出了其收敛性证明 。

关键词 约束优化问题 广义投影 算法 超记忆梯度法

在线阅读 下载PDF 职称材料

无约束优化的超记忆梯度算法及其收敛特征(英文)

19

作者 汤京永 董丽 《数学理论与应用》 2008年第4期1-5,共5页

研究一种新的无约束优化超记忆梯度算法,算法在每步迭代中充分利用前面迭代点的信息产生下降方向,利用Wolfe线性搜索产生步长,在较弱的条件下证明了算法的全局收敛性。新算法在每步迭代中不需计算和存储矩阵,适于求解大规模优化问题。

关键词 无约束优化 超记忆梯度法 Wolfe线性搜索 全局收敛

在线阅读 下载PDF 职称材料

改进分数阶Tikhonov正则化的截割煤岩载荷识别方法 被引量：8

20

作者 刘春生 任春平 《煤炭学报》 EI CAS CSCD 北大核心 2019年第1期332-339,共8页

为探究截齿截割煤岩载荷的有效识别方法,实现截割载荷特征的提取与辨识,根据分数阶微积分理论,将经典的整数阶Tikhonov正则化推广到分数阶模式,构造改进分数阶滤波因子,提出了一种改进分数阶Tikhonov正则化方法和算法。根据时域方法理... 为探究截齿截割煤岩载荷的有效识别方法,实现截割载荷特征的提取与辨识,根据分数阶微积分理论,将经典的整数阶Tikhonov正则化推广到分数阶模式,构造改进分数阶滤波因子,提出了一种改进分数阶Tikhonov正则化方法和算法。根据时域方法理论建立截割煤岩载荷的识别模型,通过核函数方法将载荷表示为一系列核函数的叠加,测量载荷表示为输入载荷和核函数响应之间的卷积分形式,采用离散化将卷积方程转化为线性方程组,利用改进分数阶正则化方法将反求过程转化为一类无约束优化问题,并采用新超记忆梯度法求解目标函数。研究表明:随着分数阶次的增大,均方根误差(RMSE)及迭代次数值呈先减小后增大的趋势,存在着最小RMSE和最少迭代次数值,可以判断存在最优的分数阶次,即α=0. 5,此时载荷识别效果相对理想。与整数阶和分数阶Tikhonov正则化方法相比较,改进的算法不仅能够保留较小奇异值对应的分量,且也能抑制较大奇异值对应的分量,从而能够有效克服载荷识别的病态性,且被识别载荷与试验载荷的均方根误差(RMSE)分别为0. 418 2,0. 388 4,0. 366 5,及迭代次数分别为19,14,11,具有较高的精度,能够克服其解的光滑性,且载荷细节特征能够较好被识别。据此,改进分数阶正则化方法在截割煤岩载荷识别方面具有更强的抗噪性和鲁棒性,为解决截割煤岩载荷及矿山机械工程中的载荷识别问题提供了一种有效研究方法。 展开更多

关键词 截割煤岩 载荷识别 改进分数阶Tikhonov正则化 无约束优化 新超记忆梯度法

在线阅读 下载PDF 职称材料