摘要
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.
A new super-memory gradient method for unconstrained optimization problems was presented. The globe convergence and linear convergence rate were proved under some mild conditions. Numerical experiments show that the method is efficient in practical coputation.
出处
《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
Journal of Jilin University:Science Edition
基金
国家自然科学基金(批准号:10571109)
山东省自然科学基金(批准号:Y2008A01)
信阳师范学院青年科研基金(批准号:200946)
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
unconstrained optimization
super-memory gradient method
global convergence
linear convergence rate