两类无约束优化的充分下降共轭梯度法  

Two Sufficient Descent Conjugate Gradient Methods for Unconstrained Optimization

作　　者：孙中波[1] 段复建[2] 高海音[3] 于海鸥[1] 

机构地区：[1]东北师范大学人文学院数学系,长春130117 [2]桂林电子科技大学数学与计算科学学院,广西桂林541004 [3]长春大学理学院,长春130022

出　　处：《吉林大学学报（理学版）》2013年第1期34-40,共7页Journal of Jilin University:Science Edition

基　　金：国家自然科学基金(批准号:10861005);广西自然科学基金(批准号:2011GXNSFA018138);吉林省自然科学基金(批准号:201115136);吉林省教育厅"十二五"科学技术项目(批准号:2013577;2013267;2013287)

摘　　要：对无约束优化问题提出两类新的充分下降共轭梯度法.在每次迭代过程中,算法均可得到充分下降方向.在适当条件下,证明了算法的全局收敛性.数值结果表明算法可行、有效.We proposed two sufficient descent conjugate gradient methods for unconstrained optimiza- tion. The sufficient descent direction is always obtained at each iteration. Under some suitable conditions, the global convergence can be induced. Numerical results show that these methods are feasible and effective.

关 键 词：共轭梯度法 全局收敛 无约束优化 

分 类 号：O224.2[理学—运筹学与控制论]