研究目标函数是若干光滑函数和的可分离优化问题,提出了一种单位化增量梯度算法。该算法每次子迭代只需要计算一个(或几个)分量函数的单位负梯度方向作为迭代方向。在一定条件下,证明了采用发散步长的单位化增量梯度算法的收敛性。作为...研究目标函数是若干光滑函数和的可分离优化问题,提出了一种单位化增量梯度算法。该算法每次子迭代只需要计算一个(或几个)分量函数的单位负梯度方向作为迭代方向。在一定条件下,证明了采用发散步长的单位化增量梯度算法的收敛性。作为应用,新算法和Bertsekas D P,Tsitsikils J N提出的(没有单位化)增量梯度算法分别用来求解稳健估计问题和源定位问题。数值例子表明,新算法优于(没有单位化)增量梯度算法。展开更多
文摘研究目标函数是若干光滑函数和的可分离优化问题,提出了一种单位化增量梯度算法。该算法每次子迭代只需要计算一个(或几个)分量函数的单位负梯度方向作为迭代方向。在一定条件下,证明了采用发散步长的单位化增量梯度算法的收敛性。作为应用,新算法和Bertsekas D P,Tsitsikils J N提出的(没有单位化)增量梯度算法分别用来求解稳健估计问题和源定位问题。数值例子表明,新算法优于(没有单位化)增量梯度算法。
