非单调自适应信赖域算法的改进与全局收敛性分析

3 下载量 103 浏览量 更新于2024-09-03 收藏 452KB PDF 举报
"改进的固定步长的自适应信赖域算法" 在无约束优化问题的研究领域,信赖域方法是一种广泛使用的求解策略。该方法通过在每次迭代中在局部区域(信赖域)内解决一个次问题来逼近全局最优解。本文提出的“改进的固定步长的自适应信赖域算法”是对现有算法的一种创新性改进,旨在提高求解效率和全局收敛性能。 作者杭丹、王晓燕和黄述亮受到HEILONG文章的启发,构建了一个新的R-函数。R-函数是信赖域算法中的关键组成部分,它决定了信赖域的边界形状和缩放因子,对算法的行为和收敛性有直接影响。新的R-函数设计旨在更好地适应目标函数的特性,从而改进算法的局部搜索能力。 传统信赖域算法通常需要在每次迭代时重新解决子问题,而此改进算法提出了一种不重解子问题的非单调策略。这意味着当试探步被接受时,算法并不立即采纳当前点作为新的迭代点,而是尝试继续前进寻找可能更好的解。这种策略可以避免过早地收敛到局部最小值,提高了算法的探索能力。 如果试探步未被接受,文章介绍的算法会使用预定义的公式直接计算下一个迭代点,而不是依赖于复杂的调整过程。这简化了算法的实现,同时也减少了计算量,提升了整体性能。 数值实验结果证明,这个新算法相对于HEILONG文章中的原始算法具有更高的效率。实验表明,即使在复杂的问题实例上,新算法也能更快地接近全局最优解,体现了其在实际应用中的优越性。 此外,作者还在适当的数学假设下,证明了新算法的全局收敛性。全局收敛性是优化算法的一个重要指标,它确保算法无论从哪个初始点出发,都能逐渐接近问题的全局最优解,而不只是局部最优解。 “改进的固定步长的自适应信赖域算法”通过对R-函数的创新和非单调策略的引入,成功地增强了算法的搜索能力和收敛性能,为无约束优化问题的求解提供了一种更高效的方法。这一研究成果不仅丰富了优化理论,也为实际工程问题的求解提供了有价值的工具。