一个充分下降的有效共轭梯度法  

AN EFFICIENT CONJUGATE GRADIENT METHOD WITH SUFFICIENT DESCENT PROPERTY

作　　者：简金宝[1,2] 尹江华[1] 江羡珍[2] 

机构地区：[1]广西大学数学与信息科学学院,南宁530004 [2]玉林师范学院数学与信息科学学院,广西高校复杂系统优化与大数据处理重点实验室,广西玉林537000

出　　处：《计算数学》2015年第4期415-424,共10页Mathematica Numerica Sinica

基　　金：广西自然科学基金(2013GXNSFAA019009,2014GXNSFFA118001);广西高校科研项目(2013YB196);广西高校人才小高地创新团队专项资助

摘　　要：对于大规模无约束优化问题,本文提出了一个充分下降的共轭梯度法公式,并建立相应的算法.该算法在不依赖于任何线搜索条件下,每步迭代都能产生一个充分下降方向.若采用标准Wolfe非精确线搜索求步长,则在常规假设条件下可获得算法良好的全局收敛性最后,对算法进行大规模数值试验,并采用Dolan和More的性能图对试验效果进行刻画,结果表明该算法是有效的.In this paper, a sufficient descent conjugate gradient method is proposed for solving large-scale optimal problems and built the algorithm accordingly. The presented method can generate sufficient descent directions at every iteration depending on no any line search, therefore, the global convergence of the proposed method is proved under the standard Wolfe inexact line search condition. Some elementary numerical experiments are reported, which show that the proposed method is promising.

关 键 词：无约束优化 共轭梯度法 充分下降性 全局收敛性 

分 类 号：O224[理学—运筹学与控制论]