（毕业学术论文设计）-投影梯度算法的数值行为研究.docVIP

l 本科生毕业论文（设计）  目录 TOC \o 1-3 \h \z \u HYPERLINK \l _Toc137576442 摘要 PAGEREF _Toc137576442 \h 9 HYPERLINK \l _Toc137576443 Abstract PAGEREF _Toc137576443 \h 10 HYPERLINK \l _Toc137576444 前言 PAGEREF _Toc137576444 \h 11 HYPERLINK \l _Toc137576445 第1章 引言 PAGEREF _Toc137576445 \h 12 HYPERLINK \l _Toc137576446 1.1 最优化问题概述 PAGEREF _Toc137576446 \h 12 HYPERLINK \l _Toc137576447 1.2凸集和凸函数 PAGEREF _Toc137576447 \h 15 HYPERLINK \l _Toc137576448 1.2.1 凸集 PAGEREF _Toc137576448 \h 15 HYPERLINK \l _Toc137576449 1.2.2 凸函数 PAGEREF _Toc137576449 \h 17 HYPERLINK \l _Toc137576450 第2章 基本概念 PAGEREF _Toc137576450 \h 21 HYPERLINK \l _Toc137576451 2.1 最速下降法 PAGEREF _Toc137576451 \h 21 HYPERLINK \l _Toc137576452 2.1.1 下降方向及下降算法 PAGEREF _Toc137576452 \h 21 HYPERLINK \l _Toc137576453 2.1.2 最速下降法 PAGEREF _Toc137576453 \h 23 HYPERLINK \l _Toc137576454 2.2 约束问题的最优性条件 PAGEREF _Toc137576454 \h 24 HYPERLINK \l _Toc137576455 2.2.1 可行方向 PAGEREF _Toc137576455 \h 24 HYPERLINK \l _Toc137576456 2.2.2 约束问题的最优性条件 PAGEREF _Toc137576456 \h 27 HYPERLINK \l _Toc137576457 第3章 投影梯度法 PAGEREF _Toc137576457 \h 29 HYPERLINK \l _Toc137576458 第4章 数值实验 PAGEREF _Toc137576458 \h 33 HYPERLINK \l _Toc137576459 参考文献 PAGEREF _Toc137576459 \h 36 摘要 本文对投影梯度法的数值行为进行了研究。投影梯度法是可行方向法的一种。在可行方向法的算法中，每进行一次迭代都需要解一个线性规划问题来获得一个可行下降方向。而投影梯度法则简单得多，它可以看成最速下降法在引入投影这个概念后的一种推广。它的基本思想是，当迭代点在可行域的内部时，则以该点的负梯度方向为下降可行方向；而当迭代点位于可行域的边界上且其梯度方向指向可行域外部时，则取它的负梯度方向在边界上的投影为下降可行方向，若这个投影为零向量，则停止迭代，得到问题的极小点。我们可以看到，在迭代的过程中，投影梯度法不需要求解线性规划问题。正文首先介绍了最优化问题，然后对最速下降法的相关概念进行了介绍。接下来，介绍了投影梯度方法。最后，应用投影梯度法进行了数值实验，并对它们的结果进行了分析总结。 关键词：最优化问题；最速下降法；投影梯度法 Abstract This paper investigated the numerical behavior of the gradient projection algorithm. The gradient projection algorithm is one kind of the feasible direction methods. In the feasible direction methods, we need to solve a linear programming problem at every iteration. And it’s much more easy with the gradient projection algorithm. It can be seem as a developed me