優(yōu)化算法與虛擬企業(yè)伙伴選擇問(wèn)題的研究.pdf

1、對(duì)求解無(wú)約束優(yōu)化問(wèn)題的記憶梯度法中的方向參數(shù)給定一個(gè)新的區(qū)間取法，確定其取值范圍以保證搜索方向是目標(biāo)函數(shù)的充分下降方向，在此基礎(chǔ)上，提出了一類新的帶誤差項(xiàng)的的記憶梯度算法，算法中參數(shù)的取值范圍更大，考慮了誤差項(xiàng)，使得新算法對(duì)許多實(shí)際問(wèn)題很有用.并在目標(biāo)函數(shù)的梯度一致連續(xù)和結(jié)合Armijo步長(zhǎng)搜索條件下，證明了算法的全局收斂性.同時(shí)給出帶誤差項(xiàng)的結(jié)合擬-Newton方程的記憶梯度算法.數(shù)值例子表明算法是有效的。 設(shè)計(jì)了求解無(wú)約束最

2、優(yōu)化問(wèn)題的新的非單調(diào)線搜索規(guī)則的帶誤差項(xiàng)Lampariell修正對(duì)角稀疏擬牛頓算法.新的步長(zhǎng)規(guī)則類似于Grippo非單調(diào)線搜索規(guī)則并包含Grippo非單調(diào)線搜索規(guī)則作為特例.新的步長(zhǎng)規(guī)則在每一次線搜索時(shí)得到一個(gè)相對(duì)于Gfippo非單調(diào)線搜索規(guī)則的較大步長(zhǎng)，有利于算法快速收斂，同時(shí)保證算法的全局收斂性.數(shù)值例子表明算法是有效的，適合求解大規(guī)模問(wèn)題。 討論了虛擬企業(yè)伙伴選擇與管理問(wèn)題.提出了初選、精選、優(yōu)化組合的虛擬企業(yè)伙伴選擇三步