论文部分内容阅读
信赖域方法对于解决一般的无约束优化问题是一种非常可靠并且高效的方法，正是因此，此种算法得到了广泛关注并且被用在很多问题上。对于传统的解无约束优化问题的信赖域算法，我们可以发现信赖域半径最终将会大于某个常数，而步长趋向于0，导致半径不起作用。在此篇文章中，我将会提出一种新型的回溯信赖域算法，在此种算法中，信赖域半径最终会趋向于0，借助于半径的更新方法，信赖域半径最终是起作用的。算法进行过程中，半径的更新取决于当前模型对目标函数的回溯性的估计程度。文中展证明了在经典的假设中，算法全局收敛到一阶稳定点，同时在某些特定条件下，算法可以达到超线性收敛速度，在Windows和UNIX下的CUTEst环境中的数值实验证明了算法的有效性以及更少的计算量。