自适应非单调信赖域法：原理、改进与应用探究.docxVIP

自适应非单调信赖域法：原理、改进与应用探究

一、引言

1.1研究背景与意义

在优化算法的发展历程中，信赖域法凭借其独特的优势在解决无约束优化问题时占据着重要地位。信赖域法是一种迭代算法，其核心在于通过构建一个二次模型来逼近目标函数，并在一个被称为信赖域的区域内寻找使得目标函数下降的搜索方向。这种方法具有很强的全局收敛性，其收敛性的证明不依赖于对函数作出较强的假设，初始点也无需靠近最优点，并且对海森矩阵是否保持正定没有要求，这使得它在面对各种复杂函数时都能展现出良好的适应性，因此备受优化领域专家的关注。

然而，传统信赖域法并非完美无缺。在实际应用中，其收敛速度常常不尽如人意。尤其是当目标函数的等值线呈现出很窄的弯谷形状时，算法在迭代过程中会出现锯齿现象。这种锯齿现象会导致算法在搜索最优解的过程中，搜索路径变得曲折，需要进行更多的迭代次数才能接近最优解，从而极大地降低了算法的效率。例如，在处理一些具有复杂地形的函数优化问题时，传统信赖域法可能会在弯谷处来回徘徊，无法快速找到通向最优解的路径，使得计算成本大幅增加。

为了克服传统信赖域法存在的这些问题，自适应非单调信赖域法应运而生。该方法主要从两个关键方面对传统信赖域法进行了改进。一方面，采用带凸组合的非单调技巧来调节信赖域法中的可接受比率。在传统信赖域法中，可接受比率是判断试探步是否被接受的重要依据，而带凸组合的非单调技巧通过综合考