搜索到141篇“ 记忆梯度法“的相关文章
一种基于记忆梯度的蛋白质三维结构预测的方
本发明涉及一种基于记忆梯度的蛋白质三维结构预测方,所述方包含一个预测蛋白质三维结构的连续最优化模型,所述连续最优化模型设有距离势能和弯曲势能,由于蛋白质是一种强柔性的大分子体系,其势函数的维数巨大、表达式本身性态差...
广红宋加磊张军
一个基于非单调技术的超记忆梯度
2020年
本文给出一个修正的非单调线搜索策略,并结合该策略提出一个求解无约束优化问题的超记忆梯度.该算的主要特点是:在每一次迭代中,它所产生的搜索方向总是满足充分下降条件.这一特性不依赖于目标函数的凸性以及方所采用的线搜索策略.在较弱的条件下,该方具有全局收敛和局部R-线性收敛性.数值实验表明了该方的有效性.
林海婵李靖雅欧宜贵
关键词:无约束优化非单调技术超记忆梯度法收敛性分析
无约束优化的修正非单调记忆梯度被引量:1
2018年
针对无约束优化问题提出了一种修正的非单调记忆梯度,该修正的非单调技术利用前若干个点的凸组合得到一个参照量,然后将试探点的函数值与该参照量进行灵活比较,从而决定该试探点是否被接受.该算是现有非单调方的一个推广,在合理的假设条件下,得到了算的全局收敛性.数值实验结果表明,该算是有效且易于实现的.
苏珂任乐乐荣自兴许春
关键词:无约束优化记忆梯度法非单调
记忆梯度在大规模信号重构问题中的应用
2017年
研究了用基于非单调线搜索技术的超记忆梯度解决大规模信号恢复问题。利用平滑切片绝对偏差惩罚函数(SCAD)代替1正则化最小二乘问题的1范数惩罚函数,因SCAD的一个局部二次逼近是凸且可微的,所以目标函数的梯度和海瑟阵易计算。该算的特点:每一步迭代充分利用前面多步迭代信息,避免目标函数海瑟阵的储存和计算,因此它适合解决大规模信号恢复问题。在某些假设下,证明了提出算的收敛性,数值实验表明本文提出的算是可行的。
李双安陈凤华赵艳伟
关键词:压缩感知稀疏信号超记忆梯度法
非光滑凸优化的一种无记忆梯度
基于Moreau-Yosida正则化和改进的线搜索技术,本文提出了一种新的无记忆梯度用于解决无约束非光滑凸优化问题.在合理的假设条件下,该算具有全局收敛性.初步的数值试验结果表明这种算是比较有效的.
贾胜南
关键词:全局收敛性
改进的无约束多目标优化记忆梯度
2016年
基于无约束单目标记忆梯度,提出了一种改进的无约束多目标优化问题的记忆梯度,采用Amijo非精确线搜索产生步长,并证明了算的收敛性.数值试验表明该算是有效的.
李文婷徐尔
关键词:记忆梯度法
一个基于定步长技术的超记忆梯度被引量:2
2015年
基于定步长技术,本文给出一种求解无约束优化问题的超记忆梯度,从而避免每步都执行线搜索.在一定条件下证明该算具有全局收敛性和局部线性收敛率.由于该方不用计算和存储矩阵,故适合于求解大规模优化问题.数值试验表明该算是有效的.
刘元文欧宜贵马巍
关键词:无约束优化超记忆梯度法
无约束多目标优化的记忆梯度被引量:1
2014年
基于无约束单目标记忆梯度,本文提出了一种无约束多目标优化问题的记忆梯度,并证明了算在Armijo线性搜索下的收敛性。数据试验结果验证了该算的有效性。
范开林徐尔
关键词:多目标优化记忆梯度法
无约束优化问题的超记忆梯度的若干研究
本文结合定步长技术和非单调技术,分别构造了两种求解无约束优化问题的超记忆梯度,分别记为算A、算B.在算A中,我们通过一个固定的公式来计算步长,并加入了回溯线搜索技术,因而减小了迭代次数以及函数值计算次数;在算B...
马巍
关键词:无约束优化超记忆梯度法非单调技术收敛性
一个新的求解无约束优化问题的超记忆梯度被引量:1
2013年
提出一个新的求解无约束优化问题的超记忆梯度.该算在每步迭代中充分利用前面迭代点的信息产生下降方向,利用曲线搜索产生步长,并且在每步迭代中不需计算和存储矩阵,适于求解大规模优化问题.在较弱的条件下证明了算具有全局收敛性和线性收敛速度.数值实验表明该算是有效的.
汤京永田会宇
关键词:无约束优化曲线搜索

相关作者

汤京永
作品数:34被引量:61H指数:6
供职机构:信阳师范学院数学与信息科学学院
研究主题:无约束优化 全局收敛性 记忆梯度法 线性收敛速率 曲线搜索
董丽
作品数:35被引量:46H指数:5
供职机构:信阳师范学院数学与信息科学学院
研究主题:无约束优化 全局收敛性 记忆梯度法 收敛性 线性收敛速率
时贞军
作品数:50被引量:209H指数:9
供职机构:曲阜师范大学运筹与管理学院
研究主题:全局收敛性 无约束优化 收敛性 超记忆梯度算法 记忆梯度法
王希云
作品数:127被引量:202H指数:7
供职机构:太原科技大学应用科学学院
研究主题:全局收敛性 信赖域子问题 无约束优化 信赖域算法 共轭梯度法
朱帅
作品数:31被引量:77H指数:5
供职机构:太原理工大学
研究主题:无约束优化 记忆梯度法 全局收敛性 ARMIJO线搜索 记忆梯度算法