非线性共轭度法收敛性的研讨.pdfVIP

非线性共轭梯度法收敛性的研究 摘要 取得了十分优秀的成果．但几乎同时问世的拟牛顿方法由于其良好的计算表现以及 丰富的收敛性分析很快受到了青睐，从而在很长一段时间里共轭梯度法被研究者所 忽视．近年来，随着计算机的飞速发展以及实际问题的需要，大规模优化问题越来 越受到重视，而共轭梯度法正是求解大规模问题的一种主要方法．于是，共轭梯度 法的理论研究又受到人们的关注． 本文在共轭梯度法的已有成果的基础上，对共轭梯度法进行了较为深入地探讨， 得到了一些收敛性结果，丰富了共轭梯度法的理论分析．此外，还提出了几种新的 共轭梯度法，增加了共轭梯度法的广度． 本文对近年来受关注的非线性共轭梯度法进行了研究，主要研究结果归纳如下： 1．第一章介绍了非线性共轭梯度法的基本知识、前人所得的共轭梯度法全局收 敛性的部分结果以及本文的主要工作． 2．第二章提出了求解步长因子的一种新的线性搜索方法 f(xk+a。dk)-f(xk)≤一阮。IId。llo。 g(xt+a女dt)2dk≥tyg：dk 保证f(x)下降的更大，因此新的线搜索比标准的wolfe线搜索要好．在此线搜索的 基础上，提出了一种HS方法和DY方法相结合的混合共轭梯度法，并证明了算法的 【卢盛 else 其中： 烨鹄，卢篙=石grk(万gk--雨gk-,) 数值实验说明新算法是有效的． 3．张秀军在文献111中提出了一种改进的可以控制步长的新线性搜索 f(xk+仅^吨)一f(xk)≤max(Satg；矾，一脾刘以咖 g(x々+atd☆)r dt_max(agedk，—．2era女IId女02) 其中05仃1，0’，1 并在此线搜索下证明了DY方法的全局收敛性．结合HS方法好的数值表现和DY方 法好的收敛性，本文在此线搜索下提出了一种混合的HS—DY共轭梯度法，并证明 了算法的全局收敛性．。卢¨的计算公式为： 肛：tflns。grgk_I疵(2．1仃)11盯 【p二 else 其中：卢嚣=鹄，卢篙=躺 数值实验说明新算法是有效的． 4．为了充分利用当前迭代点和前面迭代点的信息，以便改进算法的性能，保证 J 算法具有全局收敛性，CantrellW．于1969年提出了记忆梯度法，它是共轭梯度法 的一种变形与改进．本文在文献【21的基础上提出了一类记忆梯度法，在强wolfe线搜 索下对算法的全局收敛性进行了分析，且当目标函数一致凸时还讨论了其线性收敛 速度．新算法推广了文献【21的算法． 关键词：共轭梯度法；记忆梯度法；线搜索；线性收敛速度 onthe oftheNonlinear Study ConvergenceProperty GradientMethod Congjugate ABSTRACT methodhasbeenmorethan40 of is history．It Conjugategradient years thefirstintroducedHestenesandStiefelin1952in linear by solving istobe non—linear FletcherandReeves equationsp