在現(xiàn)有共軛梯度方法的基礎(chǔ)上,提出一種新混合共軛梯度法來求解無約束最優(yōu)化問題.該方法采用近似方法去逼近Hessen矩陣,克服了傳統(tǒng)牛頓法求解Hessen矩陣中存在的計(jì)算量大等問題,并在強(qiáng)wolfe線搜索技術(shù)下給出該共軛梯度算法的全局收斂性證明.實(shí)驗(yàn)結(jié)果表明,與PRP(Polak-Ribiere-Polyak)方法和HYBRID(混合)方法相比較,該文提出的新混合共軛梯度算法的迭代時(shí)間少于前兩者方法,說明該文方法可行、有效.

【文章頁數(shù)】：6 頁

【文章目錄】：
1 本文新混合共軛梯度算法
2 全局收斂性證明
3 實(shí)驗(yàn)分析
4 結(jié) 論



本文編號：3828353