排序方式： 共有4条查询结果，搜索用时 31 毫秒
1
1.
对于无约束优化中已提出的两种改进共轭梯度算法:改进的DY算法(MDY)和新的混合HS-DY算法(NH),证明了其在Wolfe线搜索下的全局收敛性.证明中的关键技巧是利用DY算法公式的一个等价公式,也正是由于该策略的运用,使得证明更为简化,进而得到了上述两种改进的共轭梯度法的全局收敛性. 相似文献
2.
针对一般约束优化问题进行了研究.利用引入罚函数将一般约束问题转化为一个只含不等式约束的的参数规划问题的技巧,将不等式约束优化问题的一个鲁棒信赖域算法扩展到一般约束优化问题中,并保留了算法的良好性质;同时,在一定条件下,得到了算法的全局收敛和超线性收敛. 相似文献
3.
对无约束优化问题,传统的Wolfe线搜索需要限制参数σ≤1/2,它对保证一些共轭梯度法的收敛性是不可以改进的.广义的Wolfe线搜索也需要一些特殊的取法,才能保证一些算法的收敛性.因此,针对这一限制,把参数的范围扩展至0<σ<1,而且对广义的Wolfe线搜索进行修改.然后证明了在这种新的线搜索条件下,DY共轭梯度法在扩大的参数O<σ<1下的全局收敛性. 相似文献
4.
为了对可行序列二次规划算法进行研究与创新,利用逐步逼近思想,对互补约束条件光滑化,将均衡问题等价转化为一个光滑的标准非线性规划问题,进而利用序列二次规划算法思想求解.给出了SQP算法中辅助方向的存在性分析和具体求解方法,使算法更加合理可行. 相似文献
1