一类新的曲线搜索下的多步下降算法

提出一类新的曲线搜索下的多步下降算法,在较弱条件下证明了算法具有全局收敛性和线性收敛速率.算法利用前面多步迭代点的信息和曲线搜索技巧产生新的迭代点,收敛稳定,不用计算和存储矩阵,适于求解大规模优化问题.数值试验表明算法是有效的.

一类新的曲线搜索下的记忆梯度法

提出一类新的求解无约束优化问题的记忆梯度法,在较弱条件下证明了其全局收敛性.新算法有如下特点:(1)采用曲线搜索方法,在每步迭代时同时确定下降方向和步长;(2)利用当前和前面迭代点的信息产生下降方向,无需计算和存储矩阵,适于求解大型优化问题.

曲线搜索下新的记忆拟牛顿算法

利用新的曲线搜索方法,提出一种解决无约束优化问题的记忆拟牛顿算法,给出该算法全局收敛的条件并进行数值实验.新算法由曲线搜索确定迭代步长,搜索方向用到当前迭代点信息的同时还用到上一次迭代点的信息,而且搜索方向与迭代步长同时确定,是一种有效的算法.

一类新的曲线搜索下的记忆梯度法(英文)

提出一类新的求解无约束优化问题的记忆梯度法,在较弱条件下证明了算法具有全局收敛性和线性收敛速率.算法采用曲线搜索方法,在每一步同时确定搜索方向和步长,收敛稳定,并且不需计算和存储矩阵,适于求解大规模优化问题.数值试验表明算法是有效的.

非线性约束条件下一类采取曲线搜索的可行方向法

本文推广了无约束最优化方法中采用曲线搜索这一结果,从而给出了一类非线性约束条件下来用曲线搜索的可行方向法。并且在一定的条件下,我们证明了此算法类是全局收敛的. 关键词:非线性约束;;下降可行方向对;;曲线搜索;;可行方向法;;收敛性。

非单调多步曲线搜索方法的收敛性

提出一种求解无约束优化问题的非单调多步曲线搜索方法.此方法具有如下特点:(1)算法在产生下一个迭代点时不仅利用了当前迭代点的信息,而且还可能利用前m个迭代点的信息.这就是多步法;(2)下降方向和步长同时确定,而不是先找到方向,再由线性搜索寻找步长.这就是曲线搜索技术;(3)采用非单调搜索技巧.在较弱的条件下,我们证明了此方法的收敛性.

一类非单调曲线搜索方法及其收敛性

本文提出一类求解无约束优化问题的非单调曲线搜索方法,在较弱条件下证明了其收敛性.该算法有如下特点:(1)采用曲线搜索方法,在每步迭代时同时确定下降方向和步长;(2)采用非单调搜索技巧,产生较大的迭代步长,降低了算法的计算量;(3)利用当前和前面迭代点的信息产生下降方向,无需计算和存储矩阵,适于求解大型优化问题。

基于对角稀疏拟牛顿技术的非单调曲线搜索的记忆梯度算法

基于对角稀疏拟牛顿技术,结合曲线搜索步长规则、Gu N.Z.非单调技术,建立一种新的求解无约束最优化问题的记忆梯度算法,同时,给出了算法的全局收敛性分析。数值例子表明:算法是有效的,适合求解大规模问题。

约束优化的曲线搜索信赖域算法及其全局收敛性

本文通过对无约束优化ＯＤＥ算法的信赖域分析，提出了约束优化问题的曲线搜索信赖域算法，给出了算法步骤。

一类新的超记忆多步曲线搜索方法及其全局收敛性

提出一种求解无约束最优化问题的超记忆多步曲线搜索方法,此方法具有如下特点:(1)每次迭代目标函数f(x)下降量更大;(2)充分利用前m步的迭代信息;(3)每次迭代同时确定下降方向和步长;(4)步长一致有正下界。在较弱的条件下,证明了此方法的收敛性。

无约束最优化带球面曲线搜索的校正技术

本文提出了无约束最优化一个球面曲线搜索的校正公式。它是前人园弧搜索校正公式的拓广。由于它包含二个参数,因而使用起来更灵活、有效。

一类新的曲线搜索

本文提出一种新的曲线搜索方法,来解决无约束优化问题。新算法用到了前多步的信息,使得新算法具有稳定的收敛速度。因此,更适合解决大规模的无约束优化问题。最后,分析了新算法的全局收敛性及在某些条件下的收敛速度。

极大熵方法与非单调曲线搜索可行方向法

The convergence of maximum entropy methods is obtained on Kuhn-Tucker/Fritz John points. Then according to the nature of maximum entropy methods, we study the structure and convergent properties of feasible directions methods with nonmonotone curvilinear search rules from the unified point. On this basis, we discuss the numerically computing technique which combines nonmonotone curvilinear search methods and maximum entropy methods, and the numerically computing results for some optimization problems are obtained. The results show that our algorithm is efficient.

一类新的多步曲线搜索下的超记忆梯度法

研究一类新的求解无约束优化问题的超记忆梯度法,分析了算法的全局收敛性和线性收敛速率.算法利用一种多步曲线搜索准则产生新的迭代点,在每步迭代时同时确定下降方向和步长,并且不用计算和存储矩阵,适于求解大规模优化问题.数值试验表明算法是有效的.

曲线搜索的有关理论与数值方法

统一表达了无约束优化问题下降曲线的常微分方程组．证明了两个常见的方程组实质上是参数不同的同一曲线．指出并证明了一种方程组是有利于数值计算的．本文还提出了两个算法一基于积分的搜索法和附加插值法．研究表明曲线寻优与累积迭代信息的策略可以提高优化算法的效率和稳定性．借助于对偶规划本方法对约束优化问题也获得了效率．

曲线线性搜索的模型信赖域方法

针对模型信赖域方法中搜索方向存在的不足,提出了按负曲率方向进行搜索的模型信赖域算法,并证明了算法的收敛性.进一步地,将曲线线性搜索与模型信赖域方法结合,给出了一般的按曲线搜索方向进行线性搜索的模型信赖域方法,证明了这种搜索方法的可行性,这种方法具有搜索选择的灵活性和一般性,可在实际中针对不同的情况进行选择搜索方向,使得它具有曲线搜索的优点及模型信赖域方法的整体收敛性.最后,提出了几种常用方法的搜索方向可作为本方法的特殊形式.

搜索二维运动轨迹的方法研究

进行多目标轨迹测量数据处理的过程中，需要在平面内搜索出每一目标的二维轨迹投影．本文提出了进行这种搜索的一套系统方法，详细地论述了方法的原理及编程思想，并给出计算机仿真结果．

反时限过励磁保护动作特性曲线测试方法研究

在过励磁保护设计中,反时限过励磁保护动作特性的设计是一个非常重要的环节。介绍反时限过励磁保护动作特性曲线的常规测试方法,并指出常规测试方法存在的不足,进而介绍一种新的动作特性曲线测试方法——V/f-t自动拟合法,该方法在许继变压器和发电机保护产品测试中得到了广泛应用。

一个新的求解无约束优化问题的超记忆梯度法

提出一个新的求解无约束优化问题的超记忆梯度法.该算法在每步迭代中充分利用前面迭代点的信息产生下降方向,利用曲线搜索产生步长,并且在每步迭代中不需计算和存储矩阵,适于求解大规模优化问题.在较弱的条件下证明了算法具有全局收敛性和线性收敛速度.数值实验表明该算法是有效的.

无约束优化问题的一个下降方法

本文研究了无约束优化问题.利用当前和前面迭代点的信息以及曲线搜索技巧产生新的迭代点,得到了一个新的求解无约束优化问题的下降方法.在较弱条件下证明了算法具有全局收敛性.当目标函数为一致凸函数时,证明了算法具有线性收敛速率.初步的数值试验表明算法是有效的.