【英文题名】
Three Class of Nonmonotonic Trust Region Algorithm for Uncontrained Optimization
【作者】
张君 ;
【导师】
单锐 ;
【学位授予单位】
燕山大学 ;
【学科专业名称】
运筹学与控制论
【学位年度】
2010
【论文级别】
硕士
【网络出版投稿人】
燕山大学
【网络出版投稿时间】
2010-07-07
【关键词】
无约束最优化 ;
信赖域算法 ;
非单调 ;
线搜索 ;
全局收敛性 ;
【英文关键词】
Unconstrained Optimization ;
Trust region algorithm ;
Nonmonotonic ;
Linesearch ;
Global convergence ;
【中文摘要】
信赖域算法是非线性优化中一类重要的数值计算方法。它首先由Powell于1970年提出,随后在不断的研究中,人们发现了其诸多优点,例如可靠性强,能解决Hessian矩阵不正定,迭代点收敛到鞍点等问题,并且具有全局收敛性。因此信赖域算法和线搜索算法并列为求解非线性规划问题的两类主要的数值计算方法。
论文主要研究求解无约束最优化的非单调信赖域算法。将近年来基于函数平均权重非单调技术与信赖域算法相结合提出了三种新的非单调信赖域算法,证明了新算法的全局收敛性并用数值试验证明了算法的有效性。
全文共分为五章。第一章首先介绍了最优化算法的基本理论和无约束最优化算法的发展历史,然后回顾了信赖域算法的研究状况,指出了发展前景。第二章讨论了一般的信赖域算法的基本思想和基本结构,在此基础上引入了非单调信赖域算法。第三章构建了一类新的非单调线搜索信赖域算法,即在试探步失败时不重解信赖域子问题,而采用非单调线搜索技术来得到新的迭代点,节省了迭代步数,并给出了其全局收敛性的证明。第四章构建了一类非单调自适应信赖域算法,即在每次迭代时充分利用当前迭代点所包含的一次导数的信息来自动产生一个信赖域半径,并...
【英文摘要】
Trust region algorithm is a class of important numerical compute method of nonlinear optimization. It first proposed by Powell in 1970. Then people discover its many advantage in the continual studying. It have better reliability; for example ,it can resolve Hessian negative definite, convergence to saddle eatl problems; and retains the global convergence. So trust region algorithm and linear search method are tow important numerical compute method for solving nonlinear programming.
Thesis mai...
【更新日期】
2010-07-30
【相同导师文献】
导师:单锐 导师单位:燕山大学 学位授予单位:燕山大学
[1] 周欣荣.基于动态仿生机制的优化算法及在无人机中的应用 [D]. 燕山大学,2023
[2] 程宝娜.基于组合模型的地铁客流预测研究与应用 [D]. 燕山大学,2023
[3] 李梓.无约束最优化融合共轭梯度算法及其在ARIMA模型参数估计的应用研究 [D]. 燕山大学,2020
[4] 胡丽.基于深度学习算法的高光谱图像分类方法的研究 [D]. 燕山大学,2020
[5] 朱文元.基于改进粒子群算法优化神经网络的股价预测研究 [D]. 燕山大学,2022
[6] 李东金.基于XLNet模型的文本情感分析 [D]. 燕山大学,2023
[7] 武梦旭.基于深度学习的微博不良文本分类研究 [D]. 燕山大学,2021
[8] 杨婧.数据挖掘技术在个人信用评分预测中的应用研究 [D]. 燕山大学,2022
[9] 吕紫青.非对称约束的不确定非线性系统有限时间反步控制及应用 [D]. 燕山大学,2021
[10] 王乾平.基于深度R-FCN的X射线图像中违禁物品的分割识别 [D]. 燕山大学,2021
【相似文献】
中国期刊全文数据库
中国优秀硕士学位论文全文数据库
中国博士学位论文全文数据库
中国重要会议论文全文数据库
中国重要报纸全文数据库
中国学术期刊网络出版总库
点击下列相关研究机构和相关文献作者,可以直接查到这些机构和作者被《中国知识资源总库》收录的其它文献,使您全面了解该机构和该作者的研究动态和历史。
【文献分类导航】从导航的最底层可以看到与本文研究领域相同的文献,从上层导航可以浏览更多相关领域的文献。