摘要:PRP共轭梯度法在众多共轭梯度法中是数值效果表现最好的算法之一.但是, PRP共轭梯度法也存在着许多问题,其中最明显的一个问题就是PRP共轭梯度法在众多线性搜索的条件下都不具有全局收敛性.因此,本文提出一种修正的PRP算法,该算法始终产生下降方向,并且在一定的条件下,该算法在Armijio型线性搜索下求解无约束优化问题具有全局收敛性.
关键词: 无约束优化问题;PRP共轭梯度法; Armijio型线性搜索;全局收敛性
摘要:PRP共轭梯度法在众多共轭梯度法中是数值效果表现最好的算法之一.但是, PRP共轭梯度法也存在着许多问题,其中最明显的一个问题就是PRP共轭梯度法在众多线性搜索的条件下都不具有全局收敛性.因此,本文提出一种修正的PRP算法,该算法始终产生下降方向,并且在一定的条件下,该算法在Armijio型线性搜索下求解无约束优化问题具有全局收敛性.
关键词: 无约束优化问题;PRP共轭梯度法; Armijio型线性搜索;全局收敛性
