已閱讀1頁,還剩38頁未讀, 繼續(xù)免費閱讀
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),請進行舉報或認領(lǐng)
文檔簡介
1、移動漸近線模型法,是一類有競爭力的優(yōu)化方法,最初用于求解工程上經(jīng)常出現(xiàn)的結(jié)構(gòu)優(yōu)化問題,經(jīng)過一系列的修正改進,在解大規(guī)模非線性優(yōu)化問題時效果較好.共軛梯度法十分簡便,是常用的解大規(guī)模非線性優(yōu)化問題最有效的算法之一.本文的主要思想是將移動漸近線與共軛梯度相結(jié)合,期望獲得一個有優(yōu)勢的混合算法.論文重新選擇漸近線以及相關(guān)的參數(shù),得到了新的移動漸近線模型,隨后運用譜共軛梯度法(或BFGS預(yù)條件的共軛梯度法)的思想,提出了一個解大規(guī)模非線性優(yōu)化問題
2、的移動漸近線與共軛梯度混合的新算法.最后論文證明了新算法的全局收斂性,并進行了數(shù)值比較實驗.
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.第二章對移動漸近線模型法和共軛梯度法的研究進展情況進行了簡要介紹.第三章給出了移動漸近線和共軛梯度混合算法搜索方向的構(gòu)造原則,分析其下降性,并討論其中的參數(shù)選取.在第四章中,我們給出了求解大規(guī)模優(yōu)化問題的移動漸近線和共軛梯度混合算法步驟,證明了新算法的全局收斂性.在第五章
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空間,僅對用戶上傳內(nèi)容的表現(xiàn)方式做保護處理,對用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對任何下載內(nèi)容負責(zé)。
- 6. 下載文件中如有侵權(quán)或不適當(dāng)內(nèi)容,請與我們聯(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, 同時也不承擔(dān)用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。
最新文檔
- 解無約束優(yōu)化問題的移動漸近線算法.pdf
- 解無約束優(yōu)化問題的BB調(diào)比共軛梯度法.pdf
- 無約束優(yōu)化的譜共軛梯度算法研究.pdf
- 無約束優(yōu)化的新型混合共軛梯度法.pdf
- 無約束優(yōu)化問題共軛梯度法的研究.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
- 無約束最優(yōu)化問題的非線性共軛梯度算法的研究.pdf
- 求解連續(xù)型無約束全局優(yōu)化問題的新型混合算法.pdf
- 無約束優(yōu)化共軛梯度算法的全局收斂性研究.pdf
- 二次無約束病態(tài)問題的混合算法.pdf
- 解無約束優(yōu)化的多信息梯度法.pdf
- 12683.無約束優(yōu)化的譜共軛梯度法和三項共軛梯度法研究
- 求解無約束與簡單界約束優(yōu)化問題的非線性共軛梯度法.pdf
- 無約束優(yōu)化問題的梯度類方法研究.pdf
- 解大規(guī)模優(yōu)化問題的錐模型共軛梯度法.pdf
- 無約束優(yōu)化問題
- 求解大規(guī)模無約束優(yōu)化問題的修正L-BFGS方法.pdf
- 無約束優(yōu)化的混合信賴域算法研究.pdf
- 無約束優(yōu)化問題的若干算法研究.pdf
- 無約束優(yōu)化問題的信賴域算法研究
評論
0/150
提交評論