应用数学
應用數學
응용수학
MATHEMATICA APPLICATA
2004年
2期
220-226
,共7页
信赖域方法%带记忆信赖域模型%非单调技术%全局收敛性
信賴域方法%帶記憶信賴域模型%非單調技術%全跼收斂性
신뢰역방법%대기억신뢰역모형%비단조기술%전국수렴성
Trust region algorithm%Memory model%Nonmonotone algorithm%Global convergence
本文我们考虑求解凸约束优化问题的信赖域方法.与传统的方法不同,我们信赖域子问题的逼近模型中包括过去迭代点的信息,该模型使我们可以从更全局的角度来求得信赖域试探步,从而避免了传统信赖域方法中试探步的求取完全依赖于当前点的信息而过于局部化的困难.全局收敛性的获得是依靠非单调技术来保证的.
本文我們攷慮求解凸約束優化問題的信賴域方法.與傳統的方法不同,我們信賴域子問題的逼近模型中包括過去迭代點的信息,該模型使我們可以從更全跼的角度來求得信賴域試探步,從而避免瞭傳統信賴域方法中試探步的求取完全依賴于噹前點的信息而過于跼部化的睏難.全跼收斂性的穫得是依靠非單調技術來保證的.
본문아문고필구해철약속우화문제적신뢰역방법.여전통적방법불동,아문신뢰역자문제적핍근모형중포괄과거질대점적신식,해모형사아문가이종경전국적각도래구득신뢰역시탐보,종이피면료전통신뢰역방법중시탐보적구취완전의뢰우당전점적신식이과우국부화적곤난.전국수렴성적획득시의고비단조기술래보증적.
In this paper, we develop a trust region algorithm for convex constrained optimization problems. Different from the traditional trust region algorithms, our trust region model includes memory of the past iteration,which makes the algorithm more farsighted in the sense that its behavior is not completely dominated by the local nature of the objective function. We present a nomono tone algorithm that has this feature and prove its global convergence under suitable conditions.
