新的PRP型谱共轭梯度法及其全局收敛性

提出了一种新的不依赖于线搜索就满足充分下降性的PRP型谱共轭梯度法,证明了算法在标准Armijo线搜索下的全局收敛性,并进行了数值比较试验.理论与数值试验结果表明这个算法是一个值得研究的方法.

Armijo线搜索下谱共轭梯度法全局收敛的一个充分条件

在一般假设下,提出并证明了Armijo线搜索下谱共轭梯度法全局收敛的一个充分条件,分析了充分条件的优越性。分析结果表明:1)该充分条件的一个推论是文献[9]中定理1弱化后的结果;2)谱参数对谱共轭梯度法的全局收敛性起着重要的调节作用;3)该充分条件为构造全局收敛的谱共轭梯度法提供了依据。

函数极限计算的一般步骤及其在考研数学中的应用

函数极限的计算是高等数学的基础性内容.针对初学函数极限同学出现的问题,首先提出了函数极限计算的一般步骤,然后结合实例解释了一般步骤中的名词及理论来源,最后运用一般步骤求解了三条考研数学试题.理论来源的合理性和例子求解的高效性表明,函数极限计算的一般步骤值得关注.

Wolfe线搜索下谱共轭梯度法全局收敛的一个充分条件

对Wolfe线搜索下谱共轭梯度法的全局收敛的充分条件进行了研究。首先在假设下降条件成立的前提下,找出使dTkgk≤βkdTk-1gk-1成立的一个条件;然后提出并证明了一般假设下谱共轭梯度法全局收敛的一个充分条件;最后,分析了充分条件的优越性并给出了两个推论。

矩阵乘积的初等变换求法

一般情况下,求两个矩阵的乘积都是用定义法解决的。探索了用初等变换方法求矩阵的乘积,给出任意方阵An×n求An×n Bn×m的初等变换解法,解决了任意矩阵An×s求An×s Bs×m的初等变换解法的问题。

基于谱共轭梯度法的图像极小化去噪模型算法

提出一种新的不依赖线搜索的谱共轭梯度算法,证明了新算法的全局收敛性。通过含有参数泛函的极小化去噪模型结合新的谱共轭梯度算法,从而达到恢复噪声图像的目的。数值实验结果表明,新算法在收敛速度和迭代次数等方面均有较好的数值结果,同时也能起到较好的图像去噪效果。

求解非线性无约束优化问题的新共轭梯度算法

提出一类新的解无约束优化问题的共轭梯度法,将搜索方向由满足一个共轭条件变为满足多个共轭条件,从而充分利用前面迭代点信息;证明了新算法的全局收敛性。实验结果表明,新算法在求解非线性无约束优化问题具有一定研究价值。

My Friend

旨在提高英语写作水平，互相交流，取长补短，我们开辟了“学生习作名师点评”栏目。如果你想看看自己的写作水平如何，请将习作邮寄给我们，我们会将其转交给省内各校名师点评；老师们如果想推荐自己学生的优秀习作，请按栏目要求邮寄给我们。

My bedroom

为了提高同学的英语写作水平,使大家在中考中立于不败之地,应广大师生的要求,我们开辟了"学生习作名师点评"栏目。同学们如果想让自己的英语习作得到名师的点评,请邮寄给我们。老师们如果发现自己学生的优秀习作需推荐的话,请按栏目要求邮寄给我们。

My Dream Job

I want to be a good teacher when I was only nine years old.To be a good teacher is my dream job.I love kids.Don’t you think they are cute?If I have a chance to teach kids,I will try my best.I think learning is interesting.So I will let my students be interested in learning.Nothing in the world is difficult if you put your heart into it.I will make them face any problem and help them.I will make friends with them.But in class,I will be strict

一类充分下降的谱共轭梯度法

首先基于共轭梯度法的共轭条件和下降性,提出了一类充分下降的谱共轭梯度法。该方法将经典共轭梯度法中搜索方向由原来的只满足一个共轭条件改变为同时满足一个共轭条件和一个下降条件;然后,在Wolfe线搜索下用反证法证明了新算法的全局收敛性;最后,通过12个算例,将新算法和已有SHS算法在迭代次数和计算时间方面进行了数值比较实验,比较结果表明新算法在这两个方面都明显优越于SHS算法。算法的全局收敛性和数值结果的优越性表明,新算法是一个值得研究的方法。

强迫下降的三项共轭梯度法

基于共轭和下降性质,提出了一种强迫下降的三项共轭梯度法,证明了算法在Wolfe线搜索下的全局收敛性,并进行了数值比较实验.理论与数值试验结果表明这个算法是一个值得研究的方法.