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。     

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.     

一类非线性共轭梯度法的全局收敛性

研究求解无约束最优化问题的共轭梯度法,提出了一种新的共轭梯度类型公式,从而影响了算法产生的搜索方向,进一步影响了算法的效果,得到一类新共轭梯度法,证明了在Grippo-Lucidi线搜索下新共轭梯度法的全局收敛性.     

求解第一类Fredholm积分方程的修正CD共轭梯度法

为了求解第一类Fredholm积分方程,提出了一种修正的CD共轭梯度法,该算法在CD共轭梯度法上增加了一个梯度参数,并证明了该算法的全局收敛性。数值实验表明,与奇异值分解法相比,修正的CD共轭梯度法更有效。     

新Armijo线搜索下的PRP共轭梯度法及其收敛性分析

优化算法研究,主要工作是给迭代点寻求可接受且有效的步长及可行的下降方向.在求解大规模无约束优化问题时,共轭梯度法被广泛应用.其中, Polak-Ribiere-Polyak方法 (简称:PRP方法)是众多共轭梯度法中数值表现相对较好的,但它在许多线搜索下并不具备全局收敛性,如何发挥PRP方法数值优良,而克服其收敛性差,是学者们致力探索的热点课题.本文提出新的PRP参数公式,并对Armijo线搜索方法进行修正,建立了新Armijo线搜索下的PRP共轭梯度算法,证明算法满足充分下降条件,并证明算法在适当条件下具有全局收敛性.     

求解无约束优化问题的一种共轭梯度法

共轭梯度法是求解大规模约束问题的有效算法,鈑的选取构成不同的共轭梯度法.提出了求解无约束优化问题的一种改进的共轭梯度法,修正了鈑,并在wolf线搜索下证明其全局收敛性.     

Wolfe线搜索下的一类新的共轭梯度法

给出了解无约束最优化问题的共轭梯度法的一个新的迭代参数,得到一种新的共轭梯度法,并在Wolfe线搜索下,证明了算法的全局收敛性。     

相关DY共轭梯度法的全局收敛性

针对无约束优化问题的一类重要算法——共轭梯度法,提出一种相关DY共轭梯度法,由此得到新的确定βk公式,并在强Wolfe条件下证明了该算法的全局收敛性.结合修正的DY共轭梯度法,得到相关修正DY共轭梯度法,确定另一个βk公式,同时证明在强Wolfe条件下,该算法是全局收敛的.通过拓展共轭梯度法相关性的有关内容,进一步验证了共轭梯度法中FR公式与DY公式之间的某种特殊的联系.     

一类推广的共轭梯度法及其全局收敛性

共轭梯度法是求解非线性优化问题的一种重要方法.通过对共轭梯度法及其全局收敛性的分析,提出一个新的非线性共轭梯度公式,采用该公式和Wolfe非精确线搜索的方法是全局收敛的.文末的数值实验验证了算法是有效的.     

一种新的Wolfe线搜索技术及全局收敛性

共轭梯度法是求解无约束优化问题的一种重要的方法,尤其适用于大规模优化问题的求解.通过应用计算βk的新公式求得一种新的共轭梯度法,在非精确线性搜索的Wolfe准则下证明新的共轭梯度法的全局收敛性,并且数值实验表明了这种线搜索下算法的有效性.     

超记忆梯度算法的全局收敛性

对无约束优化算法进行了研究。描述了最速下降算法、牛顿法、非线性FR共轭梯度法、非线性PRP共轭梯度法、非线性DY共轭梯度法等求解大规模无约束优化问题的有效算法以及精确线搜索、Wolfe线搜索、Armijo线搜索的搜索条件;着重研究了计算更为有效的适合求解无约束优化问题的超记忆梯度算法;在一类Wolfe型非精确线搜索条件下给出了一类超记忆梯度算法,并且在较弱的条件下证明了算法的全局收敛性,为求解大规模无约束优化问题以及各种算法的比较提供了参考。     

一种无约束优化问题的谱共轭梯度法

提出了一种新的谱共轭梯度法,证明了该方法不依赖于任何线搜索具有充分下降性,在Armijo线搜索下证明了算法具有全局收敛性。数值试验结果表明：在Armijo线搜索下,该方法比Necu-lai,Andrei提出的方法有效;并且4种测试函数的数值结果显示：新方法明显优于谱DY算法,也较谱FR算法有效;可以和谱PRP的计算效能相媲美,故算法具有良好的计算效能。     

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.     

广义Riccati矩阵方程异类约束解的两种迭代算法

针对在时变系统中提出的广义Riccati矩阵方程约束解问题,基于共轭梯度算法原理建立了两种求广义Riccati矩阵方程异类约束解(对称和反对称解)的算法,即非精确牛顿修正共轭梯度算法(In-Newton-MCG算法)和非精确牛顿正交投影算法(In-Newton-OPA算法),并给出了两种算法收敛性结论和两种算法的数值实...     

修正共轭梯度恒模阵列算法研究

提出一种基于修正共轭梯度算法的恒模(MCG-CMA)盲干扰抑制算法,该算法将修正共轭梯度方法引入到恒模算法中,克服了传统恒模算法收敛缓慢、LS-CMA运算量大的缺点,保留了较好的计算复杂度和数值稳定性,理论推导了算法失调量的显式表达式。仿真结果表明该算法不需要波达方向估计,与传统的LS-CMA算法、SCG-CMA算法相比,具有较好的收敛性能和输出信干噪比(SINR)。     

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。     

一种自适应混合滤波姿态解算算法

针对低成本惯性测量器件采用基于滤波的姿态解算算法存在精度低、抗干扰性差等问题,提出了一种基于共轭梯度法与互补滤波相融合的自适应参数调节的混合滤波算法.该算法首先利用共轭梯度算法对加速度计和磁力计的数据进行姿态四元数的迭代估算,再通过互补滤波算法将陀螺仪更新的姿态与其进行信息融合,最后根据载体的运动状态自适应调节滤波参数,实现最优姿态估计.为验证所提算法的可行性和抗干扰性,与其他滤波融合算法在移动机器人平台上进行抗磁干扰和抗运动加速度干扰实验.实验结果表明,该算法可以有效地降低磁干扰和运动加速度干扰对姿态角解算的影响,其姿态角解算精度优于传统的梯度下降法、高斯牛顿法和共轭梯度法的滤波融合算法.     

在Wolfe步长搜索下的一类新的共轭梯度算法

研究利用共轭梯度法求解无约束最优化问题。为了保证共轭梯度方向是目标函数的充分下降方向,对共轭梯度算法中的共轭梯度方向参数确定了一个取值范围并与Wolfe步长搜索相结合,提出了新的共轭梯度算法,使算法具有更好的收敛速度,特别是在求解大规模无约束最优化问题时,此算法只需要较小的存储。     

一类无约束优化问题的的共轭梯度法

共轭梯度法是求解非线性优化问题的一种重要方法,尤其适用于大规模优化问题的求解.提出一个新的非线性共轭梯度公式,采用该公式和Wolfe非精确线搜索的方法,使之全局收敛.经数值实验验证该算法是有效的.