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

非精确搜索下的超记忆梯度法 被引量：2

5

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

无约束优化的修正非单调记忆梯度法 被引量：1

6

作者 苏珂 任乐乐 +1 位作者 荣自兴 许春 《河北大学学报（自然科学版）》 CAS 北大核心 2018年第6期561-566,共6页

针对无约束优化问题提出了一种修正的非单调记忆梯度法,该修正的非单调技术利用前若干个点的凸组合得到一个参照量,然后将试探点的函数值与该参照量进行灵活比较,从而决定该试探点是否被接受.该算法是现有非单调方法的一个推广,在合理... 针对无约束优化问题提出了一种修正的非单调记忆梯度法,该修正的非单调技术利用前若干个点的凸组合得到一个参照量,然后将试探点的函数值与该参照量进行灵活比较,从而决定该试探点是否被接受.该算法是现有非单调方法的一个推广,在合理的假设条件下,得到了算法的全局收敛性.数值实验结果表明,该算法是有效且易于实现的. 展开更多

关键词 无约束优化 记忆梯度法 全局收敛 非单调

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

7

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 全局收敛性 线性收敛速率

在线阅读 下载PDF 职称材料

Wolfe线性搜索下的超记忆梯度法及其收敛性

8

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 全局收敛性 线性收敛速率

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

9

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

10

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

一个超记忆梯度法

11

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

12

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

13

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

14

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

利用计算机测定近震时空参数的记忆梯度法

15

作者 陈铁流 《西北地震学报》 CSCD 1990年第4期76-79,共4页

基于无约束最优化问题的记忆梯度法,本文设计了测定近震时空参数的计算机程序。仅需三个台站的记录资料即可利用本程序进行测定,记录中的主要震相((?)、(?)、P_n、S_n)均可参与测定运算。本程序对台网内外近震的参数测定均适用,对远离... 基于无约束最优化问题的记忆梯度法,本文设计了测定近震时空参数的计算机程序。仅需三个台站的记录资料即可利用本程序进行测定,记录中的主要震相((?)、(?)、P_n、S_n)均可参与测定运算。本程序对台网内外近震的参数测定均适用,对远离台网的地震,其测定结果的精度不低于交切法。 展开更多

关键词 地震 近震时空参数 记忆梯度法

在线阅读 下载PDF 职称材料

基于记忆梯度混合遗传算法的灌区水资源优化配置 被引量：10

16

作者 陈卫宾 董增川 张运凤 《农业工程学报》 EI CAS CSCD 北大核心 2008年第6期10-13,共4页

针对灌区水资源优化配置模型中目标函数高度非线性的特点,该文提出基于记忆梯度混合遗传算法用于灌区水资源优化配置,并提出了有条件的随机生成的初始种群生成方式来处理线性约束条件的策略。实例研究表明算法用于灌区水资源优化配置比... 针对灌区水资源优化配置模型中目标函数高度非线性的特点,该文提出基于记忆梯度混合遗传算法用于灌区水资源优化配置,并提出了有条件的随机生成的初始种群生成方式来处理线性约束条件的策略。实例研究表明算法用于灌区水资源优化配置比基本遗传算法计算精度有了明显提高。 展开更多

关键词 记忆梯度法 遗传算法 优化配置

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

17

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

18

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

19

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

势能记忆梯度优化的协同模式分类方法

20

作者 倪晓军 李培根 邹刚 《计算机工程与应用》 CSCD 北大核心 2011年第36期211-214,共4页

传统的协同模式分类学习方法是依据原型向量再通过伪逆或M-P广义逆的方法求出满足一定关系式的伴随向量,当样本维数大时,这种方法学习过程较慢,特别当样本维数有变化时传统的方法就不太适用了;协同势能函数优化的方法是直接利用协同动... 传统的协同模式分类学习方法是依据原型向量再通过伪逆或M-P广义逆的方法求出满足一定关系式的伴随向量,当样本维数大时,这种方法学习过程较慢,特别当样本维数有变化时传统的方法就不太适用了;协同势能函数优化的方法是直接利用协同动力学过程,来获得原型向量和伴随向量的收敛值,相比于传统的方法具有一定的优势。将最优化理论引入到协同进化的动力学过程,以加快学习过程的收敛,并以记忆梯度法替代了传统的梯度下降的算法进行势能函数的优化,来同时进行原型向量和伴随向量的学习,新方法能显著地提高收敛速度并获得较优的原型向量。通过图像的分类识别表明,相对于传统的方法,能提高识别率且收敛更好。 展开更多

关键词 协同模式识别 最优化方法 协同势能函数 记忆梯度法

在线阅读 下载PDF 职称材料