带非精确线搜索的调整搜索方向DFP算法(英文)

本文介绍一类新的带调整搜索方向的Broyden算法.我们着重讨论带调整搜索方向的DFP算法的收敛性,在某些非精确线搜索的情况下,我们证明对连续可微目标函数,这算法是整体收敛的,而对一致凸目标函数,收敛速度是一步超线收敛的.从这篇文章的证明过程中,可以得到对一致凸目标函数,DFP算法具有一步超线形收敛.

Goldstein线搜索下DFP算法的全局收敛性

在一定的条件下 ,对于一致凸的目标函数 。

在一种新型线搜索下DFP算法的全局收敛性

给出了一种较 Goldstein Armijor线搜索更广泛的新型非精确线搜索准则 ,并证明了在满足一定条件下 ,这种新型线搜索准则下 DFP算法的全局收敛性 .

一种新的基于DFP算法的认知无线电信号检测算法

鉴于信号检测在认知无线电信号中的重要作用,研究了恒模盲信号检测算法(CMA)在认知无线电中的应用。针对于原有典型恒模盲信号检测算法的性能上的劣势,结合最优化理论,提出了一种线性受限拟牛顿恒模算法,称之为LC-DPFCMA,并将它与传统的线性受限恒模算法(LC-CMA)及最小二乘恒模算法(LSCMA)进行了仿真比较。仿真结果表明,提出的LC-DPFCMA算法比LC-CMA算法收敛效果较好;与LSCMA算法相比,算法复杂度有明显降低,且在低信噪比下表现优秀。

DFP算法收敛性的一个结果

变尺度算法作用于非凸函数,是否具有全局收敛性,有关这方面的研究是十分重要的。[1]在▽f满足Lipschitz条件且算法产生的点列收敛的假设下证明了DFP算法的全局收敛件。本文给出一个与Lipschitz条件互不包含的新的条件,在此条件下,我们证明了若算法产生的点列收敛于某点,则此点必为函数的稳定点。一、引言对于非线性最优化问题:_(x∈R^n)~min f(x),其中f:R^n→R^1连续可微,用变尺度算法来求解通常是有效的。而在众多的变尺算法中,DFP算法(Davidon、Fletcher

无约束优化DFP算法的全局收敛性

讨论了无约束优化问题的ＤＦＰ算法的全局收敛性．在适当的条件下，证明了对一致凸目标函数。

DFP算法在CDMA移动通信上行链路功率控制中的应用研究

本文提出了一种基于DFP算法的功率控制方案。详细研究了该方案在CDMA移动通信中,进行融合基站分配的上行链路功率控制的应用理论。首先导出了最小发送功率控制模型。而后,提出了用DFP算法求解该模型的原理框图,并分析了用该方案进行最小发送功率控制的基本理论和实际性能,探讨了该方案中进行一维搜索的方法。最后用计算机仿真法模拟出该方案的运行性能。结果表明与最小功率控制算法相比,DFP功率控制算法可以提高基站接收信号的平均信扰比,降低信扰比的平均偏差,减小信扰比低于目标信扰比一定比例的用户数量,从而可以降低用户信号的中断概率、提高信道容量。

关于DFP算法的全局收敛性

本文讨论求解无约束最优化问题的DFP算法的全局收敛性问题。设步长满足Armijo非精确搜索条件,证明了对严格凸二次函数最小值问题,DFP算法具有全局收敛性,并且收敛速度为超线性。

非线性互补问题的类DFP算法

针对非线性互补问题 ,提出了与其等价的非光滑最优化问题的类DFP算法 ,并在一定条件下证明了该算法的收敛性定理 .同时给出了一些数值例子 ,得到很好的数值结果 .

电子线路的DFP算法优化设计及仿真

为了改善电子线路的性能 ,提出一种基于最优化设计DFP算法的无约束非线性规划的电子线路优化设计技术 ,研究了目标函数的建立准则和优化设计的实现过程 ,通过在计算机上自动调整参数 ,获得了最佳的电路设计方方案 .最后用PSPISCE程序仿真模拟 。

关于追踪线搜索下DFP算法的全局收敛性

对一致凸二次函数最小值问题，证明了追踪线搜索下ＤＦＰ算法具有全局收敛性，并且收敛速度为超线性．

结合一般步长律的DFP算法

对一致凸二次函数最小值问题。

最大熵DFP算法及其在水环境优化问题中的应用

为了提高求解约束优化问题的精度,将最大熵原理与DFP无约束优化方法相结合,将复杂的带约束的优化问题转化成无约束优化问题,建立了求解约束水环境优化问题的最大熵DFP算法(MEDFP).MEDFP算法不仅可以得到最优解,而且由收敛极小点处的Lagrange乘子可判断约束对该点的松紧程度.数值分析和在水环境优化问题中的应用结果表明,该算法精度高、收敛快、实用性强,好于模糊非线性规划方法,随机优化方法、模式搜索方法和LINGO方法,是处理带约束水环境优化问题的一种有效方法.

修改的DFP算法

众所周知,以DFP和BFGS为代表的变尺度算法是数学规划中最常用和最有效的方法之一.但是在不假定目标函数f(x)是凸的情况下,这类算法的整体收敛性还是一个没有完全解决的问题.本文提出一类修改的DFP算法,简称为MDFP算法.具体步骤如下:

DFP算法的全局收敛性分析

Consider DFP method for unconstrained optimization problems. Under some conditions, we prove the global convergence property of DFP method with Wolfe line search on uniformly convex objective function.

一类带非精确线性搜索的 DFP 算法

众所周知,以DFP和BFGS为代表的拟牛顿法是解无约束非线性规划问题:min{f(x);x∈R^n}的最常用和最有效的方法之一。但是在实际计算中,若选择步长因子时作的线性搜索“低精度”时,DFP算法的计算效果有时并不理想。而且,尽管1976年Powell证明了带非精确线性搜索的BFGS算法有一步超线性收敛率,1988年吴士泉采用重复使用原始正定矩阵的方法使得算法中用到的变尺度矩阵及其逆阵的迹有界,并且证明这类修改后的DFP算法,对一致凸目标函数,当线性搜索是非精确时,也具有一步超线性收敛率。但是对一般的DFP算法相应的结论是否成立,至今还是一个没有解决的问题。

一种基于DFP方法的拟牛顿恒模算法跟踪信道变化能力的研究

本文根据信道变化快慢程度,把信道模型分成剧变信道和渐变信道。分析研究了恒模盲均衡算法(CMA)在不同的信道模型下跟踪信道变化的能力。针对于原有典型恒模盲均衡算法的性能上的劣势,结合最优化理论,提出了一种线性受限拟牛顿恒模算法,称之为LC-DFPCMA,并将它与传统的线性受限恒模算法(LC-CMA)及最小二乘恒模算法(LSCMA)进行了仿真比较。仿真结果表明,提出的LC-DFPCMA算法比LC-CMA算法能更快地跟踪信道变化且收敛效果较好;与LSCMA算法相比,算法复杂度有明显降低。

DFP算法全局收敛性的几个充分性条件

本文在目标函数是一致凸且采用Wolfe线搜索的条件下，给出无约束最优化问题的DFP算法的全局收敛性的几个充分性条件，并与[1]中的条件进行了比较．