学位论文 > 优秀研究生学位论文题录展示
非线性不等式约束优化一个强收敛的广义超记忆梯度投影强次可行方向法
作 者: 曾友芳
导 师: 简金宝
学 校: 广西大学
专 业: 应用数学
关键词: 不等式约束优化 超记忆梯度法 强次可行方向法 全局收敛性 强收敛性
分类号: O221.2
类 型: 硕士论文
年 份: 2006年
下 载: 66次
引 用: 0次
阅 读: 论文下载
内容摘要
在本文中,我们考虑非线性不等式约束优化问题。我们知道,梯度投影法是早期求解这类问题的重要的可行方向法之一。近二十年来,一些新的广义梯度投影法被人们所研究。另一方面,为了利用前面迭代点的信息来产生新的迭代点,人们结合广义梯度投影法,将求解无约束优化的超记忆梯度法推广到有约束优化。同时,对于初始点任意的问题,强次可行方向法是行之有效的解法之一。 本文结合广义超记忆梯度投影法的性质和强次可行方向法的思想,提出一个新的求解非线性不等式约束优化问题的强收敛算法。在每次迭代中,算法能充分利用前面t个迭代点的信息来产生新的迭代点。特别地,超记忆梯度投影方向的参数取值区间可调整。新算法的主要性质如下:(ⅰ)改进的超记忆梯度投影方向由广义梯度投影和t步超记忆梯度(含搜索方向dk-1,dk-2,…,dk-t和梯度▽f(xk-1),▽f(xk-2),…,▽f(xk-t)结合产生,而且只讨论对应(εk,δk)-积极约束集I(xk,εk,δk)的约束函数梯度,而不是所有的约束函数梯度;(ⅱ)初始点任意,并且迭代点的可行性是单调不减的,尤其是,一旦得到一个可行点,那么它之后的迭代点都是可行的;(ⅲ)在适当的假设下,算法具有全局收敛性和强收敛性。最后,一些初步的数值试验结果说明本文提出的算法是有效的。
|
全文目录
1. Introduction 5-8 2. Description of algorithm 8-18 3. Global convergence analysis 18-23 4. Strong convergence 23-25 5. Numerical results 25-29 6. Concluding remarks 29 References 29-31 致谢 31-32 攻读硕士学位期间概况 32
|
相似论文
- 锥模型信赖域算法的改进研究,O224
- 非线性无约束共轭梯度法,O224
- 求解非线性规划问题的光滑牛顿法及Minimax问题的SQP-Filter算法,O221.2
- 两类非线性二层规划的理论与算法研究,O221.2
- 两两NQD序列和ρ~-序列的收敛性质,O211.4
- 新锥模型二维子空间信赖域算法,O221.2
- 非线性最优化问题非单调信赖域算法的研究,O224
- 求解不等式约束非线性优化问题的改进的SQP算法研究,O224
- 非线性共轭梯度法的改进,O224
- 不等式约束优化两个新的强次可行和拟强次可行算法,O221.2
- 非线性规划问题的若干算法研究,O221.2
- 两种新的非单调线搜索方法,O224
- 一族修正拟牛顿算法及其收敛性,O224
- 一类新拟牛顿算法及其收敛性,O224
- 原始对偶内点FS算法及其全局收敛性,O221.2
- 无约束优化问题的回溯过滤信赖域算法,O224
- 无约束优化问题的记忆梯度法的若干研究,O224
- 一类修正的BFGS信赖域方法,O224
- 几何规划问题的算法研究,O221
- 几何规划的共轭梯度算法,O221
- 子空间锥模型信赖域算法,O221.2
中图分类: > 数理科学和化学 > 数学 > 运筹学 > 规划论(数学规划) > 非线性规划
© 2012 www.xueweilunwen.com
|