一类修正线搜索和改进BFGS算法的收敛性研究

BFGS方法是解决优化问题非常有效的一类拟牛顿方法,但是对于一般的函数,该方法可能会失效。文章对一般函数优化问题研究了基于新的线搜索的改进BFGS方法的新算法,证明了新算法具有全局收敛性。

修正Wolfe线搜索下的一类谱共轭梯度法

在已有文献的基础上对共轭参数进行凸组合、修正谱参数,提出一种新的求解大规模无约束优化问题的谱共轭梯度法。该方法使每次迭代都自动产生一个不依赖于任何线搜索的下降方向,并在一定条件下建立了此方法的全局收敛性。

Armijo型线搜索下一个修正Hestenes-Stiefel共轭梯度法的全局收敛性

提出一个新的修正Hestenes-Stiefel(HS)非线性共轭梯度法(MHSCG算法).在精确线搜索下MH-SCG算法化归为标准的HS共轭梯度算法.该算法产生的搜索方向不依赖于线搜索准则而具有充分下降性.新方法在一个修正Armijo型线搜索下具有全局收敛性.数值试验表明,对于多数算例新算法比PRP、HS、LS算法具有更好的计算结果.

改进的混合共轭梯度法求解无约束优化算法

为克服一般的共轭梯度法搜索步长较小、收敛速率慢的不足,提出一种改进的混合共轭梯度算法。引入修正的Armijo线搜索技术,保证该算法的充分下降性,结合拟牛顿法中对Hessen矩阵的近似方法,改进一般共轭梯度法的搜索方向,提高算法的搜索速率,给出该共轭梯度算法的收敛性证明。在标准的无约束优化问题上对该改进共轭梯度算法进行测试,将该算法应用于某化工网络优化模型的求解中,均取得较好的结果。实验结果表明,该共轭梯度算法有较好的收敛速度,有效降低了计算时间。