带凸约束的非线性方程组的无导数记忆法_许琼.pdfVIP

应 用 数 学 MATHEMATICA APPLICATA 2016, 29(3): 686-696 带凸约束的非线性方程组的无导数记忆法 许琼 林海婵 欧宜贵 海南大学信息学院数学系 海南海口 摘要：基于无导数线搜索技术和投影方法 本文提出了一种新的求解带凸约束的 非线性方程组的无导数记忆法 该方法在每步迭代时不需要计算和贮存任何矩阵 因而适合求解大规模非线性方程组问题 在较弱条件下 该算法具有全局收敛性 数值试验结果及其相关的比较表明该算法是比较有效的 关键词：非线性方程组 无导数记忆法 投影法 整体收敛性 数值试验 中图分类号： 主题分类： 文献标识码： 文章编号： DOI:10.13642/j.cnki.42-1184/o1.2016.03.026 引言 本文考虑如下带凸约束的非线性方程组问题： F x , x ∈ Ω, . 其中可行域Ω ⊆ n 是非空闭凸集 F n → n 是连续的函数 特别地 当Ω {x ∈ n l ≤ x ≤ u}时 问题称为带界约束的非线性方程组问题 为方便起见 以下我们用F 表 k 示F x f 表示f x g ∇f x ∥ · ∥表示范数 ⟨·⟩表示标准的向量内积 k k k k k 非线性方程组具有广泛的应用背景 例如 广义的带距离的邻近点算法的子问 题一般都是单调的非线性方程组 此外 电力系统、化学平衡问题、经济平衡问题、非 − 线性互补问题以及变分不等式问题都可转化成为非线性方程组 因此 近年来 非线 − 性方程组的求解方法备受关注 已提出了较多的求解方法 例如 牛顿法 拟牛顿法 方法 信赖域方法 和投影法 然而 需要指出的是 上述所提到的 算法都需要计算和存储矩阵或其近似 因而这些方法不适合求解大规模的非线性方程组 问题 为克服这一缺陷 最近有学者基于投影策略 提出了一些求解大规模非线性系统的方 法 比如共轭梯度型方法和谱梯度方法− 但是 这些求解大规模非线性方程组问题的数值 方法的整体收敛性几乎都是基于F 的单调性和连续性假设为前提的 一般说来 单调 性和连续性这些要求是比较苛刻的 因此 有必要探讨在更一般条件下如何求解大规 模方程组问题的数值方法 同共轭梯度法一样 无约束优化问题的记忆梯度法也不必计算和存贮任何矩阵信息 因而适合求解大规模的最优化问题− 然而 同共轭梯度法相比较 记忆梯度法更能充分地 利用先前迭代点的信息 因而有助于人们设计出更快、更好的优化算法 数值试验结果也验证 − 了这一点 最近 等人 提出了一个新的求解无约束优化问题的记忆梯度法 其主 要特点是该方法产生的搜索方向自然满足充分下降条件和夹角特性