黃禹銘 陳倩

摘 要：基于文[1-2]的WYL與JMJ共軛梯度法公式，本文提出了一個新的共軛梯度算法。新算法不僅自動滿足充分下降條件，而且在標(biāo)準(zhǔn)wolfe線搜索條件下全局收斂，最后對新算法所進(jìn)行數(shù)值測試結(jié)果（性能圖）也表明所提新算法是有效的。

關(guān)鍵詞：無約束優(yōu)化；共軛梯度法；標(biāo)準(zhǔn)Wolfe線搜索；充分下降

1 引言

共軛梯度法是求解大規(guī)模光滑無約束優(yōu)化問題min{f（x）|x∈Rn}較為簡單有效的方法之一，其迭代點列通常由如下公式產(chǎn)生：

參考文獻(xiàn)：

[1] Wei Z X，Yao S W and Liu L Y. The convergence properties of some new conjugate gradient methods[J].Applied Mathematics and computation， 2006，183：1341-1350.

[2] 江羨珍，馬國棟，簡金寶.Wolfe 線搜索下一個新的全局收斂共軛梯度法[J].工程數(shù)學(xué)學(xué)報，2011，28（6）：779-786.

[3] Zoutendijk G. Nonlinear programming computational methods[M].In： Abadie， J.（ed.） Integer and Nonlinear Programming， North-Holland， Amsterdam，1970.

[4] Dolan E. D， Mor`e J. J.， Benchmarking optimization software with performance profiles[J].Math.Program，2002，91：201-213.

[5] Mor`e J. J.， Garbow B S， Hillstrome K.E.， Testing unconstrained optimization software[J].ACM Transactions on Mathematical Software，1981，7： 17-41.

作者簡介：

黃禹銘，玉林高中創(chuàng)新中學(xué)委培生；

陳倩，本文通信作者，廣西大學(xué)碩士，從事最優(yōu)化理論與方法研究。