

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(jiǎn)介
1、重慶師范大學(xué)碩士學(xué)位論文基于DAILIAO型方法和WEIYAOLIU型方法的混合共軛梯度法碩士研究生:吳雙江指導(dǎo)教師:杜學(xué)武教授學(xué)科專業(yè):運(yùn)籌學(xué)與控制論所在學(xué)院:數(shù)學(xué)科學(xué)學(xué)院重慶師范大學(xué)2016年5月重慶師范大學(xué)碩士學(xué)位論文中文摘要基于DAILIAO型方法和WEIYAOLIU型方法的混合共軛梯度法摘要非線性共軛梯度法是求解大規(guī)模無約束優(yōu)化問題的一類重要方法.DAILIAO型方法和WEIYAOLIU型方法是兩類非常有效的非線性共軛梯度法.
2、本文從方法的充分下降性、全局收斂性以及數(shù)值計(jì)算效果出發(fā),基于DAILIAO型方法和WEIYAOUU型方法,提出一些對(duì)一般非線性函數(shù)具有充分下降性和全局收斂性且具有較好的數(shù)值計(jì)算效果的混合共軛梯度法.本文的主要內(nèi)容如下:第1章,簡(jiǎn)要介紹共軛梯度法的相關(guān)概念和研宄現(xiàn)狀.第2章,基于兩個(gè)已有的DAILIAO型與WEIYAOUU型混合的方法,提出了兩個(gè)新的混合共軛梯度法,即DLWYL1方法和DLWYL2方法.證明了DLWYL1方法和DLWYL2
3、方法在強(qiáng)Wolfe線搜索下均具有充分下降性和對(duì)一般非線性函數(shù)的全局收斂性.數(shù)值試驗(yàn)結(jié)果表明,本章提出的混合共軛梯度法與已有的一些計(jì)算效果很好的方法是具有可比性的.第3章,基于帶有擾動(dòng)因子的修正共軛梯度法和兩個(gè)DAILIAO型與WEIYAOUU型混合的方法提出兩個(gè)帶有擾動(dòng)因子的混合共軛梯度法,即DLWYLD方法和DLMHSD方法.證明了DLWYLD方法和DLMHSD方法在強(qiáng)Wolfe線搜索下均具有充分下降性和對(duì)一般非線性函數(shù)的全局收斂性.
4、數(shù)值試驗(yàn)結(jié)果表明,DLWYLD方法和DLMHSD方法略優(yōu)于已有的一些計(jì)算效果很好的方法.第4章,基于一個(gè)DAILIAO型與WEIYAOUU型混合的方法和它的一個(gè)修正形式,并利用割線條件和一個(gè)修正割線條件,分別提出一個(gè)逼近擬牛頓方向和一個(gè)逼近修正擬牛頓方向的混合共軛梯度法,即DLWYLQN方法和DLWYLMQN方法.證明了DLWYLQN方法在強(qiáng)Wolfe線搜索下的充分下降性和對(duì)一致凸函數(shù)的全局收斂性以及DLWYLMQN方法在強(qiáng)Wolfe線
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
- 無約束優(yōu)化的新型混合共軛梯度法.pdf
- 11223.wolfe線搜索下具有全局收斂性的混合共軛梯度法
- 一類混合型共軛梯度算法.pdf
- 共軛梯度型方法的進(jìn)一步研究與改進(jìn).pdf
- 基于共軛梯度法的混合遺傳算法研究.pdf
- 新的共軛梯度法和譜梯度法的研究.pdf
- 基于修正共軛梯度法的空時(shí)自適應(yīng)信號(hào)檢測(cè)方法研究.pdf
- 非線性優(yōu)化問題的一類新的混合共軛梯度算法研究.pdf
- 幾類混合型非線性共軛梯度算法的全局收斂性研究
- 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
- 共軛梯度法的研究.pdf
- 多新息隨機(jī)梯度型辨識(shí)方法.pdf
- 基于共軛梯度法和時(shí)頻分析的盲分離研究.pdf
- 永磁型MRI梯度線圈設(shè)計(jì)方法研究.pdf
- 基于梯度法的Kriging優(yōu)化方法研究.pdf
- 幾種共軛梯度法的研究.pdf
- 基于簡(jiǎn)化型PCNN的圖像混合噪聲濾波的方法.pdf
- 3446.基于最小二乘的三項(xiàng)共軛梯度方法
- 基于特征點(diǎn)提取和幾何型哈希法的圖像檢索方法.pdf
- 兩種修正的譜DY共軛梯度方法.pdf
評(píng)論
0/150
提交評(píng)論