智能天线中的自适应恒模算法仿真研究

用MATLAB分别对最小二乘恒模算法（LS-CMA）和多目标最小二乘恒模算法（MT-LSCMA）这两种典型的恒模算法进行了计算机仿真．根据仿真数据，得到了各个参数与方向图主瓣宽度的关系曲线以及用户来波方向夹角与权向量相关系数的关系曲线，并在此基础上分析各参数产生的影响．仿真结果表明，天线方向图的主瓣能准确地指向目标用户的来波方向和主动抑制干扰信号.     

无约束最优化新的共轭梯度算法

提出了一族计算βk的新公式,证明了此公式在共轭梯度算法中的全局收敛性。     

次分量分析恒模盲多用户检测算法

为了有效的抑制多址干扰,该文提出了一种基于次分量分析恒模的多用户检测算法.次分量恒模算法是在恒模代价函数的基础上,推导出一种基于Rayleigh熵形式的代价函数.该文对次分量分析恒模多用户检测算法进行了仿真,并与最小二乘算法和线性约束最小二乘算法进行了性能比较.仿真结果表明,该算法在输出信干比和误码率等性能上都有显著的...     

一种双模式变步长恒模算法

针对非常模信号,著名的恒模算法表现出较大的稳态误差和较慢的收敛速度.为克服上述缺点,提出了一种双模式变步长恒模算法.新算法通过对输出信号的判决来判断当前均衡器工作是否存在误操作.当均衡器工作正常时算法使用变步长方法,当均衡器工作存在误操作时算法使用零步长方法,从而充分发挥出步长对恒模算法的有利影响.仿真实验结果证明新算法具有比恒模算法更快的收敛速度和更小的稳态误差.     

基于共轭梯度算法的码时延估计方法

研究了在多址干扰存在并且不考虑功率控制情况下进行用户码时延估计的问题。利用ＭＵＳＩＣ算法可以获得具有抗强多址干扰的时延估计算法,但计算量大,提出了一种基于共轭梯度算法,通过对接收到新样本进行迭代计算,可有效地减少计算量。     

一个修正Liu-Storey共轭梯度法的全局收敛性

基于无记忆BFGS拟牛顿法结构提出一个新的修正Liu-Storey(LS)非线性共轭梯度法(简称MLSCG算法)。在精确线搜索下MLSCG算法化归为标准的LS共轭梯度算法。MLSCG算法产生的搜索方向不依赖于线搜索准则而具有充分下降性。新方法在一个Armijo型线搜索下具有全局收敛性。数值试验表明:对于多数算例,新算法比PRP、HS、LS算法具有更好的计算结果。     

共轭梯度法和最速下降法的混合算法

将共轭梯度法与最速下降法有机地结合起来,构造了一种共轭梯度法和最速下降法的混合算法,并证明了该算法的全局收敛,混合算法既提高了共轭梯度算法的收敛速度,又解决了目标函数“性态不优”时,最速下降法难以求解的问题。同时也可以看到共轭梯度法与最速下降法仅仅是混合算法的特例。     

基于步长优化和共轭梯度法的改进BP算法

本文针对传统ＢＰ算法存在的两个常见问题进行了讨论，提出了基于步长优化和共轭梯度法的改进ＢＰ算法。新的算法避免了目前由人为经验确定迭代步长的缺陷，并能有效克服局部极小值。这样可使网络加快收敛，稳定性变好。     

三项共轭梯度的电容层析成像图像重建算法

针对电容层析成像技术中的＂软场＂效应和病态问题,提出了一种三项共轭梯度的新电容层析成像算法.在分析电容层析成像基本原理的基础上,给出了三项共轭梯度法的迭代公式和计算步骤,并探讨了ECT应用该算法的可行性,算法满足收敛条件且重建图像误差小.仿真和实验结果表明,同LBP和普通共轭梯度算法相比,该算法兼备成像质量高、边界均匀稳定等优点.     

一个新的共轭梯度算法

针对许多共轭梯度算法的充分下降性都依赖于线搜索过程这一不足,给出了一个新的共轭梯度算法,并在步长搜索满足Zoutendijk条件下证明了算法的全局收敛性.     

基于信赖域子问题的共轭梯度法

对于求解无约束优化问题,利用重新开始的三项共轭梯度法与信赖域方法结合,并引入非单调技术,当迭代不成功时,改进后的算法保留一些有用信息,提高了算法的有效性。在适当的条件下,给出了新算法的全局收敛性,数值试验结果表明新算法是有效的。     

Subspace Minimization Conjugate Gradient Method Based on CubicRegularization Model for Unconstrained Optimization

基于三次正则模型的子空间极小化共轭梯度法

赵婷 ,刘红卫

（西安电子科技大学 数学与统计学院, 西安 710126）

共轭梯度法是求解无约束优化问题的一类主要方法,伴随着越来越多大规模问题的出现,子空间技术变得尤为重要,并且这种技术被广泛应用于最优化领域,本文通过在子空间上极小化当前迭代点处的三次正则化近似模型或者目标函数的二次近似模型来求解迭代方向,其中在三次正则模型中运用一种特殊的范数,结合非单调线搜索策略提出一个基于三次正则模型的子空间极小化共轭梯度算法。在一定条件下,证明搜索方向的两个重要性质,并给出算法的收敛性证明。数值结果表明本文所提算法具有良好的数值性能。

关键词：三次正则模型;共轭梯度法;子空间技术;无约束优化

     

Newton法与共轭梯度法的组合方法

本文在Newton法与最速下降法的组合方法的基础上提出了Newton法与共轭梯度法的组合方法,并证明了该方法的全局收敛性。该方法能有效地应用于目标函数的Hessian矩阵不正定或病态等实际问题。计算H_K的过程简化,大大减少了算法的计算量。     

CNJK鞍点共轭梯度法

提出一种新的共轭梯度法，它可在限步同内求得二次函数Ｚ（Ｘ，λ）＝λＴＡＸ＋ＣＴＸ＋ｂＴλ的鞍点值。     

复共轭梯度法的结构

从复问题本身出发,对实值复变函数的优化问题引入了最优复搜索的概念,得到了最优复搜索的条件.给出并证明了二次优化问题的复共轭方向法与复共轭梯度法,并藉此给出了一般实值复变函数优化问题的复共轭梯度法.对复问题的直接推导与证明明晰了复共轭梯度法的数学结构.复共轭梯度法可以理解为是在实共轭梯度法中直接将实转置改为共轭转置得到的.     

改进的共轭梯度法及其收敛性

共轭梯度法是求解大规模无约束优化问题的一种有效方法。针对算法的优劣主要依赖于步长 因子和搜索方向的特点,结合共轭梯度法的共轭性质,提出一种改进的可以控制步长因子的共轭梯度算 法。在建立算法的几个重要引理和全局收敛性定理后分别给出了证明。最后对算法进行了数值实验,实 验结果表明算法具有良好的收敛性和有效性。     

改进的共轭梯度MRI压缩成像算法

为了缩短磁共振成像系统的扫描时间,压缩感知方法利用欠采样数据和非线性恢复算法实现系统的实时或准实时成像需求。通过联合考虑MRI图像在变换域和梯度域下的稀疏性,提出了一种基于预测线搜索方法的共轭梯度算法来重建磁共振图像。针对共轭梯度算法中线搜索次数过多和运行时间过长问题,采用基于预测的方法来优化搜索步长值,以此缩短算法执行时间和减少线搜索次数。仿真实验利用磁共振图像的10%、20%和30%的下采样数据进行图像重建,结果显示基于该预测线搜索方法的压缩成像算法执行时间少于回溯线搜索法的执行时间,重构图像质量优于零填充法和FR共轭梯度法,验证了该算法的有效性。     

一个采用新重新开始策略的共轭梯度法

本文建立了共轭梯度法的一个新的重新开始策略,其特点是当目标函数进入二次区域后,它能从当前的两个共轭方向开始,逐次构造与这两个方向都共轭、而且又彼此共轭的搜索方向。本文最后讨论了相应算法对一般目标函数的收敛性质。     

改进的共轭梯度法及其收敛性

共轭梯度法是求解大规模无约束优化问题的一种有效方法。针对算法的优劣主要依赖于步长因子和搜索方向的特点，结合共轭梯度法的共轭性质，提出一种改进的可以控制步长因子的共轭梯度算法。在建立算法的几个重要引理和全局收敛性定理后分别给出了证明。最后对算法进行了数值实验，实验结果表明算法具有良好的收敛性和有效性。