0 摘要
非线性共轭梯度法由于其较低的内存需求和较少的计算成本,常被用于求解大规模无约束优化问题。本文提出了一种新的Polak-Ribiére-Polyak(PRP)型共轭梯度法,该方法满足不依赖于任何线搜索的充分下降条件。该方法的一个显著特点是在标准Wolfe线搜索条件和标准Armijo线搜索策略下,不需要目标函数的凸性假设,具有强全局收敛性。数值结果表明了所提出方法的有效性。
1 引言
本文考虑的无约束优化问题:
最速下降法、牛顿法、拟牛顿法、共轭梯度法等[ 27 ]是求解问题( 1.1 )的常用方法。然而,当该问题的维数比较高时,共轭梯度( CG )方法具有收敛速度快、无需矩阵存储等优点,是解决这类问题最有效的方法之一。其迭代过程为:
其中xk是当前的迭代次数,α k是由某种线搜索确定的步长,dk是由定义的搜索方向:
其中gk表示f在点xk处的梯度,βk称为共轭参数.
共轭梯度法广泛应用于金融、医疗、工程、经济、信号处理、图像复原等领域。第一种共轭梯度法是由Hestenes和施蒂费尔[ 20 ]于1952年提出的一种求解线性方程组的方法。它被称为线性共轭梯度法。对于非二次函数,值得注意的是,不同的参数βk对应不同的共轭梯度法。
βk的著名公式是由:
其中| | . | |表示向量的欧氏范数.与上述公式相对应的共轭梯度法分别称为PRP (波拉克-里比埃尔-波利亚克) [ 28 ]