需要金幣： 800 個金幣 |
資料包括：完整論文 |  |
 |
| 轉(zhuǎn)換比率：金額 X 10=金幣數(shù)量， 例100元=1000金幣 | 論文字?jǐn)?shù)：14頁 |  | |
| 折扣與優(yōu)惠：團(tuán)購最低可5折優(yōu)惠 - 了解詳情 | 論文格式：Word格式(*.doc) |  |
摘要:共軛梯度法因其算法簡單，存儲需求小，非常適合求解大規(guī)模優(yōu)化問題。本文基于現(xiàn)有的研究結(jié)果，提出了一種新的共軛梯度法。該算法具有充分下降性，并在強(qiáng)Wolfe線性搜索下，證明了算法的全局收斂性。 關(guān)鍵詞：無約束最優(yōu)化；共軛梯度法；充分下降性；線性搜索；全局收斂性
ABSTRACT:Conjugate gradient method is suitable for solving large-scale optimization problems since it is simple algorithm and needs small storage capacity. Based on the existing research, we present a new conjugate gradient method. The presented method has sufficiently descent property, and we show the global convergence of the method with strong Wolfe line search. Keywords：unconstrained optimization; conjugate gradient method; sufficiently descent property; line search; global convergence
本文主要對無約束優(yōu)化問題的算法進(jìn)行研究，給出了修正的，即構(gòu)造了新的共軛下降方向，從而得到一類新的修正的共軛梯度算法，并證明了該算法的全局收斂性。 共軛梯度算法是求解無約束優(yōu)化問題數(shù)值效果最好的方法，值得進(jìn)行深入的研究，但由于時間和本人水平有限，本文只提出了修正的算法，但沒有給出具體的數(shù)值試驗(yàn)，這是進(jìn)一步要做的工作。
由于是數(shù)學(xué)論文，簡介里有很多公式復(fù)制不出來。Wrod里是有公式的請放心。
|
