论文部分内容阅读
投影梯度法是一种特殊的广义消去法,适合于求解带有线性等式约束和线性不等式约束的最优化问题,是一种内点型算法。本文讨论如下形式:min f(x)s.t. g<,i>(x)≥0, i∈τh<,j>(x)=0,j∈ε的投影梯度法。在空间日中,通过对迭代点x与约束集C之间的位置进行分类,得到三个迭代公式,由此归纳出一个新的算法。当研究的问题有解时,证明了由这三个迭代公式得到的数列{x}的有界性及收敛性,最后,得到该算法的收敛速度并进行了新旧算法收敛速度的比较。文章分为四个部分:
第一部分,介绍了投影梯度法的背景和意义。
第二部分,介绍了本文所需要的相关概念。
第三部分,基于R中最初的投影梯度法,这里提出新的迭代公式,并证明了它的的收敛性。
第四部分,改进了Hilbert空间中的投影梯度法,证明了新的算法的收敛性并计算了收敛速度,给出了日ilbert空间中关于投影梯度法的一些最优性条件。