自适应非单调谱投影梯度法在凸约束优化中的应用
15 浏览量
更新于2024-09-06
收藏 443KB PDF 举报
"一类新的自适应非单调谱投影梯度法"
本文由林骥和宇振盛共同撰写,发表在上海理工大学理学院,探讨了解决凸约束优化问题的新方法——自适应非单调谱投影梯度法。这种方法旨在通过引入自适应权重参数,使得算法在迭代过程中能动态调整非单调策略,以降低对非单调参数M的依赖性。作者在适当条件下证明了算法的收敛性。
文章首先介绍了凸约束优化问题的一般形式,并引用了Birgin等人关于SPG算法的工作,这些算法在处理带边界约束的优化问题时表现出色,尤其适用于大规模问题。SPG算法结合了非单调线搜索、投影梯度法以及两点步长梯度法等技术。
Raydan指出两点步长梯度法对参数M的依赖是一个挑战,而Dai和Zhang则提出了一种自适应两点步长梯度法,以改善第一次试验步长的接受性。Zhang和Hager批评了传统非单调线搜索技术的某些不足,提出了一种基于函数值“平均”的新方法,其在实践中往往优于传统的“最大”原则。
文章的重点在于,作者基于以上研究,设计了一种新的自适应算法,即自适应非单调谱投影梯度法。这个算法试图克服非单调技术可能导致的迭代次数不稳定的问题。通过实例比较,当n=3000时,新算法的总迭代次数比使用Armijo单调线搜索方法减少了1351次,而在n=2000时,迭代次数反而增加了1247次。这表明新算法在某些情况下能显著减少迭代次数,但也有时会增加迭代次数,显示出其复杂性和适应性。
该文贡献了一种改进的优化算法,它在处理凸约束优化问题时具有自适应性和非单调性,有望在实际应用中提高效率。这一方法的提出,对于优化理论和实践领域都具有重要意义,特别是对于那些需要解决大规模优化问题的领域,如机器学习、工程设计和经济建模等。
2021-05-18 上传
2021-08-14 上传
点击了解资源详情
2021-05-29 上传
2021-03-06 上传
点击了解资源详情
2021-03-01 上传
2021-08-10 上传
weixin_38703468
- 粉丝: 14
- 资源: 950
最新资源
- 深入理解Vue.js源码结构与组件机制
- Auto.js软件包教程:深入学习自动化脚本编写
- STM32 Nucleo-L476智能灯详解与源码分享
- Vue.js 0.12.1版本源码解析与开发环境配置
- 开学季软件大作业及源代码详细解读
- 全国大学生电子设计竞赛D题立体货架盘点无人机系统附件解析
- 深入了解Vue.js源码结构与工具配置
- Lemon运维系统:Python3+Flask+MySQL快速复刻指南
- C#实现的环信SDK封装WebSocket完整项目源码
- Android第三方登录与服务器登录注册功能实现教程
- Android多文件上传实战:Retrofit 2与Server端教程
- C++ Primer Plus及STL源码剖析与复刻项目
- 低内存帧动画技术实现与应用
- GCC编译Java调用CTP-API的JNI源码教程与资源
- 简易网购平台开发实战教程
- 最新***s省份地图数据包,含行政规划更新