在Wolfe步长搜索下的一类新的共轭梯度算法

研究利用共轭梯度法求解无约束最优化问题,为了保证共轭梯度方向是目标函数的充分下降方向,对共轭梯度算法中的共轭梯度方向参数确定了一个取值范围并与Wolfe步长搜索相结合,提出了新的共轭梯度算法,使算法具有更好的收敛速度,特别是在求解大规模无约束最优化问题时,此算法只需要较小的存储。

在Wolfe步长搜索下的一类新的共轭梯度算法

研究利用共轭梯度法求解无约束最优化问题。为了保证共轭梯度方向是目标函数的充分下降方向,对共轭梯度算法中的共轭梯度方向参数确定了一个取值范围并与W olfe步长搜索相结合,提出了新的共轭梯度算法,使算法具有更好的收敛速度,特别是在求解大规模无约束最优化问题时,此算法只需要较小的存储。

非精确线性搜索下的共轭梯度法

在wolfe步长搜索下,对解无约束最优化问题的共轭梯度法的迭代参数做出改进,扩大了它的选取范围,并在目标函数可微的条件下,证明了算法的全局收敛性.

基于改进BFGS的蜂窝无线定位新算法

在蜂窝网络TDOA(Time Difference of Arrival,到达时间差)定位模型的基础上,将定位问题转化为无约束非线性优化问题,进而提出基于Wolfe步长的BFGS(Broyden-FletcherGoldfarb-Shanno)算法实现对蜂窝网络中移动台的定位。实验结果表明,采用改进的BFGS算法,不仅具有比现有算法更高的定位精度,而且能在一定程度上抑制NLOS(Non-line-ofsight,非视距)传播误差。