全局最优化的一种新的拟全局下降法

对全局最优化中的无约束优化问题提出了一种新的拟全局下降法,通过搜索获得一系列的局部最小值来得到全局最小值.具体地,由局部极小化的两个阶段的循环构成:第一阶段是对原始目标函数进行局部搜索;第二阶段在一个新的下降函数的最大步长下降方向里确保原目标函数是全局下降的.这种新的下降法的关键在于这个新的下降函数具有很好的结构特性.

无约束优化的一个全局收敛算法及其收敛速度

对最速下降法与拟牛顿法的结合算法进行了改进 ,证明了改进算法的全局收敛性 ,而且给出了局部超线性收敛性 .初步的数值计算结果也表明了改进的算法比原算法有更好的收敛效果 .

无约束优化全局收敛性算法

为解决一个无约束优化极小化问题,已有文章结合牛顿方向和最速下降方向提出了一种全局策略,对于一个任意的初始点,全局收敛性能保证。用拟牛顿方向来代替牛顿方向,使得在每次迭代中搜索方向的选择尽肯能地靠近拟牛顿方向或者是它本身。