"基于Cholesky分解的混合信赖域算法 (2005年) - 钟守楠, 杨青 - 武汉大学数学与统计学院" 在优化理论和实践中,非线性函数的最小化是一个核心问题,特别是在面对非二次性极强且曲率变化剧烈的情况下。钟守楠和杨青在2005年的论文中提出了一种创新的混合信赖域算法,该算法结合了锥模型和基于广义正定Cholesky分解的Gill-Murray改进牛顿算法,以解决这类挑战性问题。 传统的信赖域算法依赖于二次子模型来近似目标函数,但当目标函数的非二次性和曲率变化大时,这种近似可能不够精确,导致算法效率低下。为了解决这一问题,论文提出了一个新颖的方法:在算法中引入锥模型,它能更好地适应目标函数的非线性特性。同时,他们采用了广义正定Cholesky分解,这可以有效地求解Hessian矩阵,找出目标函数的下降方向。 论文中指出,当算法在某点xk处的预估下降量与实际下降量的比例rk小于0时,意味着在当前信赖域内二次模型的逼近效果不佳。在这种情况下,传统信赖域算法会缩小搜索范围,但这可能无法显著改善情况。论文提出的混合方法则是在Hessian矩阵做Cholesky分解,找到下降方向,直接更新xk至新的下降点xk+1,然后在xk+1处使用锥信赖域子模型寻找下一个试探点xk+2,如此迭代直至找到满足停止条件的最优解。 这种混合信赖域算法的优势在于,它不仅利用了锥模型的优势以适应非二次性,还通过Cholesky分解加速了下降方向的计算,从而提高了算法的收敛速度和性能。论文还证明了该算法的收敛性,为其实用性提供了坚实的理论基础。 这篇论文贡献了一种在非线性优化领域中兼顾效率和精度的新策略,对于处理复杂优化问题具有重要的理论和应用价值。通过将锥模型和Cholesky分解相结合,钟守楠和杨青的工作为优化算法的设计开辟了新的思路,对于后续的研究和实践提供了有价值的参考。
下载后可阅读完整内容,剩余4页未读,立即下载
- 粉丝: 1
- 资源: 913
- 我的内容管理 展开
- 我的资源 快来上传第一个资源
- 我的收益 登录查看自己的收益
- 我的积分 登录查看自己的积分
- 我的C币 登录后查看C币余额
- 我的收藏
- 我的下载
- 下载帮助
最新资源
- 十种常见电感线圈电感量计算公式详解
- 军用车辆:CAN总线的集成与优势
- CAN总线在汽车智能换档系统中的作用与实现
- CAN总线数据超载问题及解决策略
- 汽车车身系统CAN总线设计与应用
- SAP企业需求深度剖析:财务会计与供应链的关键流程与改进策略
- CAN总线在发动机电控系统中的通信设计实践
- Spring与iBATIS整合:快速开发与比较分析
- CAN总线驱动的整车管理系统硬件设计详解
- CAN总线通讯智能节点设计与实现
- DSP实现电动汽车CAN总线通讯技术
- CAN协议网关设计:自动位速率检测与互连
- Xcode免证书调试iPad程序开发指南
- 分布式数据库查询优化算法探讨
- Win7安装VC++6.0完全指南:解决兼容性与Office冲突
- MFC实现学生信息管理系统:登录与数据库操作