无约束优化的修正非单调记忆梯度法  

Modified nonmonotone memory gradient method for unconstrained optimization

作　　者：苏珂[1] 任乐乐 荣自兴 许春 SU Ke;REN Lele;RONG Zixing;XU Chun(College of Mathematics and Information Science,Hebei University,Baoding 071002,China)

机构地区：[1]河北大学数学与信息科学学院,河北保定071002

出　　处：《河北大学学报（自然科学版）》2018年第6期561-566,共6页Journal of Hebei University(Natural Science Edition)

基　　金：国家自然科学基金资助项目(61572011);河北省自然科学基金资助项目(A2018201172);河北省教育厅重点科研基金资助项目(ZD2015069)

摘　　要：针对无约束优化问题提出了一种修正的非单调记忆梯度法,该修正的非单调技术利用前若干个点的凸组合得到一个参照量,然后将试探点的函数值与该参照量进行灵活比较,从而决定该试探点是否被接受.该算法是现有非单调方法的一个推广,在合理的假设条件下,得到了算法的全局收敛性.数值实验结果表明,该算法是有效且易于实现的.A modified nonmonotone line search memory gradient method for unconstrained optimization is proposed in this paper.In this method,a new criterion is constructed to decide whether the trial point is acceptable or not.The presented algorithm is a generalization of the existing nonmonotone-type methods.Under some reasonable conditions,the global convergent properties are proved.The numerical results show that the algorithm is effective and flexible.

关 键 词：无约束优化 记忆梯度法 全局收敛 非单调 

分 类 号：O221.2[理学—运筹学与控制论]