新Armijo线搜索下的PRP共轭梯度法及其收敛性分析

发布时间：2021-10-30 00:02

　　优化算法研究,主要工作是给迭代点寻求可接受且有效的步长及可行的下降方向.在求解大规模无约束优化问题时,共轭梯度法被广泛应用.其中, Polak-Ribiere-Polyak方法 （简称:PRP方法）是众多共轭梯度法中数值表现相对较好的,但它在许多线搜索下并不具备全局收敛性,如何发挥PRP方法数值优良,而克服其收敛性差,是学者们致力探索的热点课题.本文提出新的PRP参数公式,并对Armijo线搜索方法进行修正,建立了新Armijo线搜索下的PRP共轭梯度算法,证明算法满足充分下降条件,并证明算法在适当条件下具有全局收敛性. 

【文章来源】：广西科技大学学报. 2019,30(02)

【文章页数】：8 页

【文章目录】：
0 引言
1 算法描述
    1.1 ATLS*线搜索与算法
    1.2 新ATLS*线搜索下的PRP算法 (简称新ATLS*算法)
2 算法的收敛性分析
3 讨论
4 结论


【参考文献】：
期刊论文
[1]基于多样性优化策略的粒子群算法[J]. 朱孝晶,周圆兀,龚熠,蔡雪霁,张向华.  广西工学院学报. 2011(01)
[2]一个全局收敛的共轭梯度法[J]. 吴庆军.  广西工学院学报. 2004(02)
[3]共轭下降法的全局收敛性[J]. 戴或虹,袁亚湘.  数学进展. 1996(06)



本文编号：3465644