改进的广义繁复梯度法和自适应信赖域方法.pdfVIP

硕士论文 改进的广义简约梯度法和自适应信赖域算 Ⅲ111lIIlIIllIllI…¨Ⅲ圳㈣llIll吣 摘要 本文要讨论和解决了两个问题，一个有约束优化问题和无约束优化问题。 有约束优化问题，在本中我们讨论广义简约梯度法是一种比较有效的处理非线性规 划问题的方法，他的优点主要展现在它能消去变量以达到使问题维数降低的目的，从而 加快了算法的收敛速度。但是广义梯度法也有比较明显的缺点，比如它需要自己每一步 的迭代点都是可行的，但是这种严格的可行性在很多的情况下是没有太多用处的，这样 就使算法的收敛速度大大降低。 本文在原来广义梯度法的基础上提出了一种新的判断迭代点是否被接受的准则，这 种准则我们是在线性过滤方法的基础上提出的。这种准则不需要所有的迭代点都是可行 的，从而大大的提高了广义简约梯度法的收敛速度和成功率，我们在文章里也给出了这 种新的方法的收敛性证明和数值试验。 无约束优化问题，在本文中我们讨论信赖域算法，信赖域算法是比较经典的算法， 它具有全局收敛性，并且算法速度和稳定性非常好，是被广泛应用的算法。但是，它也 有一些自身的缺