一种改进的记忆梯度算法及其全局收敛性

摘要：

记忆梯度算法能求解大规模无约束优化问题,还具有避免大量存储和进行大规模矩阵运算的特点.在利用传统的记忆梯度算法时,最根本的问题是要解决迭代过程中所遇到的二维搜索问题.为了避免进行二维搜索,加快迭代收敛速度,对记忆梯度算法进行了改进,给出了一种改进的记忆梯度算法.改进的记忆梯度算法能有效地求解二维搜索问题,且计算量小,存储量亦小,从而使记忆梯度算法在非精确线性搜索的Wolfe原则下,有更好的实际意义.同时也对其全局收敛性进行了证明.

关键词：无约束优化、记忆梯度算法、全局收敛性

所属期刊栏目：25

分类号：O241.7(计算数学)

在线出版日期：2009-08-13（万方平台首次上网日期，不代表论文的发表时间）

页数：共3页

页码：4-5,10