原创力文档- 1、原创力文档（book118）网站文档一经付费（服务费），不意味着购买了该文档的版权，仅供个人/单位学习、研究之用，不得用于商业用途，未经授权，严禁复制、发行、汇编、翻译或者网络传播等，侵权必究。。
- 2、本站所有内容均由合作方或网友上传，本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺！文档内容仅供研究参考，付费前请自行鉴别。如您付费，意味着您自己接受本站规则且自行承担风险，本站不退款、不进行额外附加服务；查看《如何避免下载的几个坑》。如果您已付费下载过本站文档，您可以点击 这里二次下载。
- 3、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等，请点击“版权申诉”（推荐），也可以打举报电话：400-050-0827(电话支持时间：9:00-18:30)。
- 4、该文档为VIP文档，如果想要下载，成为VIP会员后，下载免费。
- 5、成为VIP后，下载本文档将扣除1次下载权益。下载后，不支持退款、换文档。如有疑问请联系我们。
- 6、成为VIP后，您将拥有八大权益，权益包括：VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
- 7、VIP文档为合作方或网友上传，每下载1次， 网站将根据用户上传文档的质量评分、类型等，对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档
查看更多
2012年8月 计算数学 第34卷第3期
MATHEMATI℃A
Aug．，2012 NUMERICASINICA V01．34，No．3
一类新型DL共轭梯度法研究木1)
邓松海 万 中。’
(中南大学数学与统计学院，长沙410083)
摘 要
提出了求解无约束优化问题的新型DL共轭梯度方法．同已有方法不同之处在于，该方法构
造了一种修正的Armijo线搜索规则，它不仅能给出当前迭代步步长，而且还能同时确定计算下
一步搜索方向时需要用到的共轭参数值．在较弱的条件下，建立了算法的全局收敛性理论．数值
试验表明，新型共轭梯度算法比同类方法具有更好的计算效率．
关键词：无约束规划；共轭梯度；全局收敛；非精确线性搜索i下降算法
MR(2000)主题分类：90C25，90C30
1．引 言
共轭梯度法在求解大规模无约束优化问题上具有优越性(低运算成本和内存占用少)，因
而近年来得到优化界同仁的广泛研究．最新研究成果参看【1—11】，【15—23]及其后所列参考文献．
然而，正如[4]指出，使用该类方法求解无约束优化问题时仍存在许多挑战．实际上，N．Andrei
在[4]中就算法的初始方向，步长，基于已知目标函数值来计算的共轭参数值，线搜索精度的选
择等各方面的问题，共提出了14个公开问题．
值得注意的是，文献【8]基于如下推广的共轭条件：
耀玑一1=一tgTs自一l， (1．1)
提出了共轭参数的新的选取方式
卢L+=max ∽2，
T等，。卜器T，
8k一1全Xk—Xk一1，t芝0是已知常数，卢}蚪就是共轭参数．
同已往选取共轭参数的方式不同，本文首先构造了一种修正的Armijo线搜索规则，该规
则不仅能给出当前迭代步步长，而且还能同时得到计算下一步搜索方向时需要用到的共轭参
数值．因为该参数值计算式与(1．2)相似，所以我们把由此确定搜索方向的方法称之为新型
DL共轭梯度法，并据此设计了求解无约束优化问题的算法．本文首先将证明这类新型共轭梯
度算法的适定性，然后再在较弱的条件下建立了算法的全局收敛性理论．通过数值试验，我们
把新算法同已有类似方法进行计算效率比较．结果表明本文提出的新型DL共轭梯度算法具
有更好的数值表现．
+2012年2月22日收到．
1)基金项目：国家自然科学基金资助(基金号70921001)
2)通讯作者：万中E—Mail：wanmath@163．tom．
万方数据
298 计算数学
2．新的共轭参数的选取和相应的算法
无约束优化问题的数学模型如下：
min，(z)，z∈R” (2．1)
其中f：R”_R是连续可微函数．
的标准共轭梯度法是指由如下计算过程生成近似解序列{zk)：
Ck+l=z≈+akdk，尼=0，1，…， (2．2)
其中Qk由某线搜索规则确定的步长，d％是由下式确定的搜索方向：
d*=二；：’+侈。矗。一，，妻：羹乏i：： (2．3)
(2．3)式中凤称作共轭参数，其选取方式既影响算法收敛性分析，也直接决定了算法的数值效
率，因而具有重要的研究意义．声％的经典选取方式可参看【14】．
为了使共轭梯度方法具备谱方法(如拟牛顿法)的特征，文献【8】利用割线
文档评论（0）