一种基于弱拟牛顿方程的对角拟牛顿法

基于弱拟牛顿方程,结合Armijo非精确线性搜索设计了一种求解大规模无约束优化问题的对角拟牛顿法,该算法在每次迭代时利用对角矩阵逼近Hessian矩阵,使计算搜索方向的存储量和工作量明显减少.在一定的假设条件下,证明了算法的全局收敛性和R-线性收敛性.通过数值实验表明该算法是有效的,适于求解大型无约束优化问题.

无约束优化问题的对角稀疏拟牛顿法

对无约束优化问题提出了对角稀疏拟牛顿法,该算法采用了Armijo非精确线性搜索,并在每次迭代中利用对角矩阵近似拟牛顿法中的校正矩阵,使计算搜索方向的存贮量和工作量明显减少,为大型无约束优化问题的求解提供了新的思路．在通常的假设条件下,证明了算法的全局收敛性,线性收敛速度并分析了超线性收敛特征。数值实验表明算法比共轭梯度法有效,适于求解大型无约束优化问题．