DL共軛梯度法的參數(shù)t是否存在適當(dāng)選擇是非線性共軛梯度法公開問題之一。近年來,BabaieKafaki S和Ghanbart R對DL方法的搜索方向矩陣進(jìn)行奇異值學(xué)習(xí),他們主要通過不同的放縮方式得到搜索方向矩陣條件數(shù)的兩個上界,再極小化上界,得到參數(shù)t的兩個最優(yōu)選擇t_k1、t_k2,在此基礎(chǔ)上以一種新的放縮方式得到t的一個最優(yōu)選擇t_k3,且與取參數(shù)為t_k1和t_k2的DL方法相比,取參數(shù)t_k3的DL方法在數(shù)值計(jì)算上更具優(yōu)勢。 

【文章來源】：東莞理工學(xué)院學(xué)報. 2020,27(05)

【文章頁數(shù)】：5 頁

【文章目錄】：
1 DL共軛梯度法參數(shù)t的一個最優(yōu)選取
2 收斂性分析
3 數(shù)值實(shí)驗(yàn)
4 結(jié)語



本文編號：3203003