×

用混合CD-DY共轭梯度法求解无约束优化问题及其应用。 (英语) Zbl 1480.65145号

摘要:在这项工作中,开发了一种新的混合共轭梯度(CG)算法,用于寻找无约束优化问题的解。该算法的搜索方向由共轭下降(CD)和代元(DY)CG参数的组合组成。搜索方向也接近无记忆Broyden-Fletcher-Goldfarb-Shanno(BFGS)准Newton算法的方向。此外,搜索方向是有界的,并且满足与直线搜索无关的下降条件。通过适当的假设,证明了该算法在Wolfe类型下的全局收敛性。通过对一些基准测试问题的数值实验,证明了该算法与其他现有算法相比的有效性。最后,将该算法应用于风险优化,完成了工作。

MSC公司:

65千5 数值数学规划方法
90摄氏52度 减少梯度类型的方法
90C26型 非凸规划,全局优化
PDF格式BibTeX公司 XML格式引用
全文: 内政部

参考文献:

[1] Sun,W。;袁永新,《优化理论与方法:非线性规划》,第1卷(2006),施普林格科学与商业媒体·邮编1129.90002
[2] 海格,W.W。;Zhang,H.,非线性共轭梯度法综述,Pac。J.优化。,2, 1, 35-58 (2006) ·Zbl 1117.90048号
[3] 张,L。;周,W。;Li,D.,一种下降修正的Polak-Ribière-Polyak共轭梯度法及其全局收敛性,IMA J.Numer。分析。,26, 4, 629-640 (2006) ·Zbl 1106.65056号
[4] 吉尔伯特,J.C。;Nocedal,J.,共轭梯度优化方法的全局收敛性,SIAM J.Optim。,2, 1, 21-42 (1992) ·兹比尔0767.90082
[5] Al-Baali,M.,带不精确线搜索的Fletcher-Reeves方法的下降性质和全局收敛性,IMA J.Numer。分析。,5, 1, 121-124 (1985) ·兹比尔0578.65063
[6] Hager,W。;Zhang,H.,一种新的保下降共轭梯度法和有效的线性搜索,SIAM J.Optim。,16, 1, 170-192 (2005) ·邮编1093.90085
[7] Hager,W。;Zhang,H.,算法851:CG-DESCENT,一种保证下降的共轭梯度法,ACM-Trans。数学。软质。,32, 1, 113-137 (2006) ·Zbl 1346.90816号
[8] Dai,Y.H。;Han,J。;刘,G。;Sun,D。;尹,H。;袁永新,非线性共轭梯度法的收敛性,SIAM J.Optim。,10, 2, 345-358 (2000) ·Zbl 0957.65062号
[9] 印度阿吉罗斯。;Magreñán,A.A.,《迭代方法及其应用动力学:当代研究》(2017),CRC出版社·Zbl 1360.65005号
[10] 马利克,M。;Mamat,M。;阿巴斯,S。;Sulaiman,I.,Sukono,解无约束优化问题的新谱和混合共轭梯度法的性能分析,IAENG国际计算机科学杂志,1,66-79(2021)
[11] 弗莱彻,R。;Reeves,C.M.,共轭梯度函数最小化,计算。J.,7,2,149-154(1964)·Zbl 0132.11701号
[12] Polak,E。;Ribiere,G.,《共轭方向方法的收敛性注释》,Rev.Fr.Inform。里奇。作品。塞里·鲁日,3,16,35-43(1969)·Zbl 0174.48001号
[13] Polyak,B.T.,极值问题中的共轭梯度法,苏联计算机。数学。数学。物理。,9, 4, 94-112 (1969) ·Zbl 0229.49023号
[14] Hestenes,M.R。;Stiefel,E.,求解线性系统的共轭梯度方法,J.Res.Natl。伯尔。支架。,49, 6, 409-436 (1952) ·兹比尔0048.09901
[15] Fletcher,R.,《实用优化方法》(2013),John Wiley&Sons·Zbl 0905.65002号
[16] 刘,Y。;Storey,C.,《高效广义共轭梯度算法》,第1部分:理论,J.Optim。理论应用。,69, 1, 129-137 (1991) ·Zbl 0702.90077号
[17] 戴,Y。;Yuan,Y.X.,一种具有强全局收敛性的非线性共轭梯度法,SIAM J.Optim。,10, 1, 177-182 (1999) ·Zbl 0957.65061号
[18] 莫,J。;顾,N。;Wei,Z.,无约束优化的混合共轭梯度方法,Optim。方法软件。,22, 2, 297-307 (2007) ·Zbl 1119.90073号
[19] 杜亚提·阿赫迈德(Touati-Ahmed,D.)。;Storey,C.,《高效混合共轭梯度技术》,J.Optim。理论应用。,64, 2, 379-397 (1990) ·Zbl 0666.90063号
[20] Dai,Y.H。;袁永新,无约束优化的一种有效的混合共轭梯度法,Ann.Oper。研究,103,1-4,33-47(2001)·兹比尔1007.90065
[21] Andrei,N.,无约束优化的简单三项共轭梯度算法,J.Compute。申请。数学。,24119-29(2013),网址http://www.sciencedirect.com/science/article/pii/S0377042712004219 ·Zbl 1258.65056号
[22] 刘杰。;Li,S.J.,无约束优化的新混合共轭梯度法,应用。数学。计算。,24536-43(2014),网址http://www.sciencedirect.com/science/article/pii/S0096300314010637 ·Zbl 1335.90114号
[23] Li,M.,三项Polak-Ribière-Polyak共轭梯度法,接近无记忆BFGS准Newton方法,J.Ind.Manag。最佳。,16, 1, 245 (2020) ·Zbl 1438.90326号
[24] Li,M.,一种改进的Hestense-Stiefel共轭梯度法,接近无记忆BFGS准Newton方法,Optim。方法软件。,33, 2, 336-353 (2018) ·Zbl 1397.90361号
[25] Khoshgam,Z。;Ashrafi,A.,一种新的混合共轭梯度法,用于具有非凸目标函数的大规模无约束优化问题,计算。申请。数学。,38, 4, 186 (2019) ·Zbl 1438.90270号
[26] Li,D.H。;Fukushima,M.,一种改进的BFGS方法及其在非凸极小化中的全局收敛性,J.Compute。申请。数学。,129, 1-2, 15-35 (2001) ·Zbl 0984.65055号
[27] Nocedal,J.,用有限存储更新拟Newton矩阵,数学。公司。,35, 151, 773-782 (1980) ·Zbl 0464.65037号
[28] Shanno,D.F.,带不精确搜索的共轭梯度法,数学。操作。第3244-256号决议(1978年)·Zbl 0399.90077号
[29] Sun,W。;袁永新,优化理论与方法:非线性规划(1992),施普林格
[30] 袁,G。;王,X。;Sheng,Z.,非凸函数族弱共轭梯度算法及其收敛性分析,数值算法,3935-956(2020)·Zbl 1461.65190号
[31] Andrei,N.,《无约束优化的非线性共轭梯度法》(2020),Springer·Zbl 1514.90250号
[32] Jamil,M。;Yang,X.S.,《全球优化问题基准函数的文献综述》,国际数学杂志。模型。数字。乐观主义者。,2013年4月2日至194日·Zbl 1280.65053号
[33] Liu,J.K。;Feng,Y.M。;Zou,L.M.,一些具有不精确线搜索条件的三项共轭梯度法,Calcolo,55,2,1-16(2018)·Zbl 1393.90116号
[34] Dolan,E.D。;Moré,J.J.,《性能曲线基准优化软件》,数学。程序。,91, 2, 201-213 (2002) ·邮编:1049.90004
[35] 潘杰尔,H.H。;波义耳,P.P。;考克斯,S.H。;杜弗雷纳(D.Dufresne)。;H.U.Gerber。;穆勒,H.H。;Pedersen,H.W。;Pliska,S.R。;Sherris,M。;Shiu,E.,《金融经济学:投资、保险和养老金的应用》(1998),精算基金会Schaumburg,伊利诺伊州。
[36] Steven,R.,《金融数学导论:从风险管理到期权定价》(2004),Springer Science&Business Media·Zbl 1068.91038号
[37] 阿布巴卡尔,A。;库玛姆,P。;马利克,M。;Chaipunya,P。;易卜拉欣,A.,AIMS数学,66506-6527(2021)·Zbl 1484.90138号
[38] 奥瓦尔,A。;苏莱曼,I。;马利克,M。;Mamat,M。;库玛姆,P。;Sittithakengkiet,K.,无约束优化的谱rmil+共轭梯度法及其在投资组合选择和运动控制中的应用,IEEE Access,75398-75414(2021)
此参考列表基于出版商或数字数学图书馆提供的信息。其项与zbMATH标识符进行启发式匹配,可能包含数据转换错误。在某些情况下,zbMATH Open的数据对这些数据进行了补充/增强。这试图尽可能准确地反映原始论文中列出的参考文献,而不要求完整或完全匹配。