论文部分内容阅读
非线性共轭梯度法是求解大规模无约束优化问题的一类重要方法DAI-LIAO型方法和WEI-YAO-LIU型方法是两类非常有效的非线性共轭梯度法.本文从方法的充分下降性、全局收敛性以及数值计算效果出发,基于DAI-LIAO型方法和WEI-YAO-LIU型方法,提出一些对一般非线性函数具有充分下降性和全局收敛性且具有较好的数值计算效果的混合共轭梯度法.本文的主要内容如下:第1章,简要介绍共轭梯度法的相关概念和研究现状.第2章,基于两个已有的DAI-LIAO型与WEI-YAO-LIU型混合的方法,提出了两个新的混合共轭梯度法,即DLWYL1方法和DLWYL2方法.证明了DLWYL1方法和DLWYL2方法在强Wolfe线搜索下均具有充分下降性和对一般非线性函数的全局收敛性.数值试验结果表明,本章提出的混合共轭梯度法与已有的一些计算效果很好的方法是具有可比性的.第3章,基于带有扰动因子的修正共轭梯度法和两个DAI-LIAO型与WEI-YAO-LIU型混合的方法,提出两个带有扰动因子的混合共轭梯度法,即DLWYL-D方法和DLMHS-D方法.证明了DLWYL-D方法和DLMHS-D方法在强Wolfe线搜索下均具有充分下降性和对一般非线性函数的全局收敛性.数值试验结果表明,DLWYL-D方法和DLMHS-D方法略优于已有的一些计算效果很好的方法.第4章,基于一个DAI-LIAO型与WEI-YAO-LIU型混合的方法和它的一个修正形式,并利用割线条件和一个修正割线条件,分别提出一个逼近拟牛顿方向和一个逼近修正拟牛顿方向的混合共轭梯度法,即DLWYL-QN方法和DLWYL-MQN方法.证明了DLWYL-QN方法在强Wolfe线搜索下的充分下降性和对一致凸函数的全局收敛性以及DLWYL-MQN方法在强Wolfe线搜索下的充分下降性和对一般非线性函数的全局收敛性.数值试验结果表明,DLWYL-QN方法和DLWYL-MQN方法略优于已有的一些计算效果很好的方法.