摘要
对无约束优化问题的谱共轭共轭梯度法,提出修正的FR共轭参数和谱参数,使每次迭代均自行产生下降方向,且这一下降性不依赖于任何线搜索条件。在常规假设下,证明了采用Wolfe线搜索的新算法具有全局收敛性。相关的数值实验结果表明该谱共轭梯度法是有效的。
A modified FR spectral conjugate gradient method is proposed for unconstrained optimization. This method can automatically generate descent direction at every iterations depending on no any line search. Under the conventional assumption, it is proved that the corresponding method with Wolfe line search is globally convergent. The numerical results show that the spectral conjugate gradient method is effective.
作者
林穗华
LIN Sui-hua(Department of Mathematics and Computer Science, Guangxi Normal University for Nationalities, Chongzuo 532200, Guangxi, Chin)
出处
《山东大学学报（理学版）》
CAS
CSCD
北大核心
2017年第4期6-12,共7页
Journal of Shandong University(Natural Science)
基金
广西高校科研重点项目(ZD2014143)
广西重点培育学科(应用数学)建设项目(桂教科研[2013]16)
广西民族师范学院科研项目(2013RCGG002)
关键词
无约束优化
谱共轭梯度法
WOLFE线搜索
全局收敛
unconstrained optimization
spectral conjugate gradient method
Wolfe line search
global convergence
