摘要
共轭梯度法是一种解决大规模无约束优化问题的重要方法.本文对Dai-Liao(DL)共轭梯度法的参数进行了研究,提出了一种新的自适应DL共轭梯度法.在适当的条件下,证明了该方法的全局收敛性.数值结果表明,我们的方法对给定的测试问题是有效的.
Conjugate gradient method is an important method to solve large-scale unconstrained optimization problems.In this paper,the parameters of Dai-Liao(DL)conjugate gradient method are studied,and a new adaptive DL conjugate gradient method is proposed.Under appropriate conditions,the global convergence of the method is proved.Numerical results show that our method is effective for the given test problem.
作者
李向利
赵文娟
LI Xiangli;ZHAO Wenjuan(School of Mathematics and Computational Science,Guilin University of Electronic Technology,Guilin 541004,China;Guangxi Key Laboratory of Cryptography and Information Security,Guilin 541004,China;Guangxi Key Laboratory of Automatic Testing Technology and Instrument,Guilin 541004,China;Guangxi University Key Laboratory of Data Analysis and Calculation,Guilin 541004,China)
出处
《应用数学》
CSCD
北大核心
2020年第2期436-442,共7页
Mathematica Applicata
基金
国家自然科学基金(11961010,61967004,71561008)
广西自然科学基金(2018GXNSFAA138169)
广西密码学与信息安全重点实验室研究课题(GCIS201708)
广西自动检测技术与仪器重点实验室基金(YQ19111,YQ18112)。
关键词
共轭梯度法
无约束优化
全局收敛性
Conjugate gradient method
Unconstrained optimization
Global convergence
