无约束优化共轭梯度算法的全局收敛性研究.pdfVIP

摘 要 摘 要 共轭梯度算法是最优化方法的一个重要组成部分。它是求解无约束优化问题的一 种有效方法，具有算法简单,存储需求小等特点，特别适用于求解大规模无约束优化 问题。在自然科学、生产实际、工程设计和现代化管理中有着重要的实用价值。本文 对几种著名的共轭梯度法的收敛性质进行了研究，主要研究结果归纳如下： 第一章为绪论部分，简要介绍了非线性共轭梯度法的研究内容，研究价值，研究 进展及本文的主要工作。 第二章给出了一类与 CD 方法（共轭下降法）相关的共轭梯度算法,并减弱了已有 文献中对目标函数二次连续可微且为凸函数的要求，采用 Armijo 型线搜索，在较弱 的条件下，证明了这类算法的充分下降性和全局收敛性。 第三章基于 DY 方法提出了一类修正的共轭梯度类型公式和算法,并证明了算法 在强Wolfe 线搜索以及广义Wolfe 线搜索和非单调线搜索下具有充分下降性和全局收 敛性。其结果拓广了修正共轭梯度法的研究范围。 第四章提出了包含DY 方法的一类无约束优化方法,并采用 Dai 和 Yuan 建立的推 广的 Wolfe 线搜索模型,给出了保证这类方法具有下降性和全局收敛性的条件，所得 结果包含并推广了已有结果。数值实验结果表明了算法的有效性。 第五章结合 DY 方法和 HS 方法，充分利用二者的优势提出了一种求解无约束优化 问题的混合共轭梯度算法,并在无下降性的假设下，证明了算法在弱 Wolfe 线搜索下 的全局收敛性。数值实验结果表明新方法比FR 方法，PRP 方法，HS 方法和 DY 方法等 方法的数值效果都要好。 关键词：非线性共轭梯度法；无约束优化；线搜索；充分下降条件；全局收敛性 I 万方数据 Abstract Abstract The nonlinear conjugate gradient method is an important component of optimization methods, and it is one of the most efficient methods for solving unconstrained optimization problems. It is well suited for large-scale problems clue to the simplicity of iterations and the very low memory requirements, and it can be applied to natural science, practical manufacture, engineering design, modern management and etc. The global convergence properties of some important conjugate gradient methods are studied in this paper. The main results obtained in this dissertation can be summarized as follows. Chapter 1 is the introduction of this dissertation, which briefly introduces the content ， value and p