×

ACGSSV公司

swMATH ID: 20836
软件作者: 内库莱·安德烈
描述: 基于自缩放无记忆BFGS更新的加速自适应Perry共轭梯度算法。提出了一类加速自适应非线性共轭梯度算法。这些算法中的搜索方向由缩放的Perry共轭梯度方向(Perry,1978)的对称化给出,该方向依赖于一个正参数。该参数的值通过最小化对称标度Perry共轭梯度搜索方向矩阵和Oren在Frobenius范数中的自标度无记忆BFGS更新之间的距离来确定。搜索方向上参数的两个变体如Oren和Luenberger(1973/74)以及Oren和Spedicato(1976)所示。相应的算法ACGSSV配备了一个众所周知的共轭梯度算法加速方案。对于一致凸函数和一般非线性函数,在精确搜索或Wolfe线搜索下,给出了算法的全局收敛性。使用一组800个不同结构和复杂度的无约束优化测试问题,我们证明了在自缩放无记忆BFGS更新中选择缩放参数会导致算法大大优于CG-DESCENT、SCALCG和CONMIN共轭梯度算法,从而更高效、更健壮。然而,基于对搜索方向定义的迭代矩阵特征值进行聚类的共轭梯度算法ADCG比我们的ACGSSV算法效率更高,鲁棒性略强。通过求解带有变量的MINPACK-2测试问题集合中的五个应用程序,我们表明,基于自缩放无记忆BFGS更新的自适应Perry共轭梯度算法,赋予了加速方案,与CG_DESCENT相比表现最好。
主页: http://www.sciencedirect.com/science/article/pii/S0377042717302236
关键词: 无约束优化;共轭梯度算法;自缩放无记忆BFGS更新;充分下降条件;共轭条件;Frobenius范数
相关软件: 切割机;SCALCG公司;可爱的;L-BFGS公司;小背包;算法500;微型组件-2;CONMIN公司;CG_退出;12月6日;CGOPT公司
引用于: 15文件

按年份列出的引文