有界變量約束非線性方程組的仿射共軛梯度路徑法.pdf

1、最優(yōu)化理論與方法是一門應用性很強的學科，它研究如何從某些實際問題的眾多可行方案中找出最優(yōu)的方案。最優(yōu)化技術在國防、工農(nóng)業(yè)生產(chǎn)、交通運輸、金融、貿(mào)易、管理、科學研究等許多領域中有著廣泛的應用。隨著計算機的發(fā)展，最優(yōu)化理論和算法在實際應用中正發(fā)揮著越來越大的作用。 共軛梯度法是最優(yōu)化中常用的方法之一，它具有運算簡便、只需一階信息，以及存儲空間小等優(yōu)點，共軛梯度法已成為求解大規(guī)模問題的一種主要方法。Bulteau與Vial在[1]中構

2、造了無約束最優(yōu)化問題的共軛梯度路徑，其基本思想是將標準共軛方向法應用于無約束優(yōu)化目標函數(shù)的局部二次近似模型，使用完全的一組共軛方向序列的線性組合定義路徑。在本文中，引入另一類仿射矩陣，并通過建立合適的二次模型，構建出仿射內(nèi)點離散的共軛梯度路徑法來求解有界變量約束非線性方程組。此方法只需部分共軛梯度法解每次迭代的近似二次模型，減少了計算步驟，從而提高了算法的運行效率。在合理的假設下，證明了算法的整體收斂性和局部超線性收斂速率，數(shù)值結果表明

3、了所提供的算法的有效性和可行性。 本文又提出了不精確牛頓仿射共軛梯度法求解有界變量約束的非線性方程系組問題，對于非線性方程組的求解，經(jīng)典的的求解算法是牛頓法，此方法在初始點足夠接近解時具有良好的收斂性，然而在實際計算中對每一步迭代線性方程組的精確運算往往是困難的，不精確牛頓法通過每步迭代方程組的近似求解，從而在一定程度上克服了這一弱點。鑒于不精確牛頓法這一特性，將其與仿射內(nèi)點離散的共軛梯度路徑法相結合。通過預條件共軛梯度法得到一