版權(quán)說明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權(quán),請(qǐng)進(jìn)行舉報(bào)或認(rèn)領(lǐng)
文檔簡介
1、錐模型是二次模型的推廣,有更多的自由度,共軛梯度法算法簡便,是解大規(guī)模非線性優(yōu)化問題最有效的算法之一,兩者結(jié)合能發(fā)揮更好的優(yōu)勢。目前的錐模型共軛梯度法一般都是先把錐模型近似轉(zhuǎn)化為二次模型后,再通過用二次模型的方法對(duì)轉(zhuǎn)化后的二次模型進(jìn)行求解,最后相應(yīng)地得到錐模型共軛梯度法的最優(yōu)解。但在近似轉(zhuǎn)化過程中有可能會(huì)失去錐函數(shù)的一些特性。因此本文主要研究工作是舍棄目前算法中錐模型對(duì)二次模型的轉(zhuǎn)化依賴,將水平向量作為搜索方向的一個(gè)部分,并與經(jīng)典共軛梯
2、度法中的搜索方向相結(jié)合,從錐模型自身出發(fā),提出了新的解大規(guī)模優(yōu)化問題的錐模型共軛梯度法及其改進(jìn)算法,證明了新算法的全局收斂性,進(jìn)行了數(shù)值比較實(shí)驗(yàn)。
論文共分五章。第一章簡要介紹了最優(yōu)化的相關(guān)問題及本文研究的問題。第二章對(duì)錐模型共軛梯度法及其相關(guān)內(nèi)容的研究進(jìn)展情況進(jìn)行了簡要介紹。第三章給出了本文中新錐模型共軛梯度法搜索方向的構(gòu)造依據(jù)和構(gòu)造方法,分析其下降性,并討論其中的參數(shù)選取。在第四章中,我們利用經(jīng)典共軛梯度法的框架進(jìn)行迭
溫馨提示
- 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請(qǐng)下載最新的WinRAR軟件解壓。
- 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請(qǐng)聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
- 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁內(nèi)容里面會(huì)有圖紙預(yù)覽,若沒有圖紙預(yù)覽就沒有圖紙。
- 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
- 5. 眾賞文庫僅提供信息存儲(chǔ)空間,僅對(duì)用戶上傳內(nèi)容的表現(xiàn)方式做保護(hù)處理,對(duì)用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對(duì)任何下載內(nèi)容負(fù)責(zé)。
- 6. 下載文件中如有侵權(quán)或不適當(dāng)內(nèi)容,請(qǐng)與我們聯(lián)系,我們立即糾正。
- 7. 本站不保證下載資源的準(zhǔn)確性、安全性和完整性, 同時(shí)也不承擔(dān)用戶因使用這些下載資源對(duì)自己和他人造成任何形式的傷害或損失。
最新文檔
- 共軛梯度法在大規(guī)模信號(hào)重構(gòu)問題中的應(yīng)用.pdf
- 解大規(guī)模無約束優(yōu)化問題的移動(dòng)漸近線和共軛梯度混合算法.pdf
- 解無約束優(yōu)化問題的BB調(diào)比共軛梯度法.pdf
- 求解最優(yōu)化問題的非線性共軛梯度法.pdf
- 求解大規(guī)模無約束優(yōu)化與約束單調(diào)方程組的下降PRP共軛梯度法.pdf
- 非單調(diào)共軛梯度路徑方法解最優(yōu)化問題.pdf
- 線性約束優(yōu)化問題中的可行共軛梯度法.pdf
- 無約束優(yōu)化問題共軛梯度法的研究.pdf
- 非線性互補(bǔ)問題的共軛梯度法.pdf
- 共軛梯度法的研究.pdf
- 12683.無約束優(yōu)化的譜共軛梯度法和三項(xiàng)共軛梯度法研究
- 求解最優(yōu)化問題的非線性共軛梯度法和自調(diào)比擬牛頓法.pdf
- 求解非線性不適定問題的共軛梯度法.pdf
- 新的共軛梯度法和譜梯度法的研究.pdf
- 大規(guī)模交疊網(wǎng)格模型優(yōu)化算法.pdf
- 過程系統(tǒng)的大規(guī)模優(yōu)化問題研究.pdf
- 幾種共軛梯度法的研究.pdf
- 解大型無約束優(yōu)化問題的基于簡單錐模型的BB依賴域法.pdf
- 32423.求解大規(guī)模優(yōu)化問題的有限記憶擬牛頓法
- 無約束優(yōu)化的新型混合共軛梯度法.pdf
評(píng)論
0/150
提交評(píng)論