修正FR共轭梯度法的全局收敛性

众所周知,由求解无约束优化问题的共轭梯度法所产生的方向往往不是下降方向.本文对FR共轭梯度法做适当的修正,使得修正后的算法能始终保持充分下降性,这一性质与算法所采用的线性搜索无关.同时,在精确线性搜索条件下,该算法就是标准的FR共轭梯度法.在适当条件下证明了该算法在强Wolfe线性搜索下具有全局收敛性.数值结果展现了算法的可行性.

Banach空间中范数Gateaux可微与Fréchet可微的充要条件

基于范数在x0处Gateaux可做的一个充分条件和范数x0处Fr chet可微的充分条件，本文指出它们实际上是充要条件，并给出Banach空间X与XxR上的等价范数在一点的Gateaux可做性．

一种改进FR共轭梯度法的总体收敛性

基于FR(Fletcher-Reeves)方法,在搜索方形d_(k)的表达式中引入参数θ_(k),提出了一种改进FR方法,并证明了改进FR方法具有总体收敛性和强收敛性,数值结果表明改进FR方法是有效的.