一类新的记忆梯度法及其全局收敛性A new class of memory gradient methods and its global convergence
汤京永;董丽;
摘要(Abstract)：
研究了求解无约束优化问题的记忆梯度法,利用当前和前面迭代点的信息产生下降方向,得到了一类新的无约束优化算法,在Wolfe线性搜索下证明了其全局收敛性.新算法结构简单,不用计算和存储矩阵,适于求解大型优化问题.数值试验表明算法有效.
关键词(KeyWords)： 无约束优化;记忆梯度法;Wolfe线性搜索;全局收敛
基金项目(Foundation): 国家自然科学基金(10571109);; 信阳师范学院青年科研基金(200946,200947)
作者(Authors): 汤京永;董丽;
参考文献(References)：
- [1]袁亚湘,孙文瑜.最优化理论与方法[M].北京:科学出版社,1997.
- [2]Miele A,Cantrell J W.Study on a memory gradient method for the minimization of functions[J].JOTA,1969,3:459-470.
- [3]时贞军.Wolfe搜索下记忆梯度法的收敛性[J].应用数学学报,2006,29(1):9-18.
- [4]汤京永,时贞军.一类全局收敛的记忆梯度法及其线性收敛性[J].数学进展,2007,36(1):67-75.
- [5]汤京永,董丽,郭淑利.一类新的曲线搜索下的记忆梯度法[J].信阳师范学院学报,2009,22(2)179-182.
- [6]Han J Y,Liu G H.Line search scheme for unconstrained optimization and global convergence of BFGS method[J].Acta Mathematicae Applicatae Sinica,1995,18(1):112-122.
- [7]Ortega J M,Rheinboldt W C.Iterative Solution of Nonlinear Equations in Several Variables[M].New York:Academic Press,1970.