李 燦,湯玲霞
(紅河學(xué)院數(shù)學(xué)學(xué)院,云南蒙自661199)
考慮無約束優(yōu)化問題[1]
其中f:Rn→R是連續(xù)可微函數(shù),▽f(x)表示函數(shù)的梯度.經(jīng)典的共軛梯度法[2]求解問題(1)所產(chǎn)生的點列{xk}滿足如下的迭代格式
其中αk表示由線性搜索確定的步長,dk表示第k次迭代的搜索方向且迭代格式如下
其中βk為參數(shù).
2006年,Zhang等[3]對BFGS算法的搜索方向進(jìn)行了深入分析,并與經(jīng)典共軛梯度法的搜索方向進(jìn)行了對比分析,由此提出了一種下降型PRP共軛梯度法,其搜索方向的迭代格式如下
下面提出三項CD共軛梯度法,其搜索方向dk表示如下
其中
將 βk,ηk代入上式,便有 ▽f(xk)Τdk=-2‖▽f(xk)‖2.綜上所述,
因此該搜索方向dk具有充分下降性.
在上面的基礎(chǔ)上,我們提出求解(1)的一種三項CD共軛梯度法,其步驟如下:
步驟3.由強Wolfe型線性搜索
確定步長αk;
步驟4.令xk+1=xk+αkdk;
步驟5.由(4)確定dk+1,令k:=k+1,轉(zhuǎn)步驟2.
本節(jié)證明三項CD共軛梯度法在下列假設(shè)下具有全局收斂性.
假設(shè)1
(b)在Ε的領(lǐng)域Β內(nèi),目標(biāo)函數(shù)f連續(xù)可微有下界,且其梯度▽f是Lipschitz連續(xù)的,即存在常數(shù)L>0,使得
引理1若假設(shè)1成立,點列{xk}由三項CD共軛梯度法產(chǎn)生,則
另一方面,由Lipschitz條件(7)有
則有‖▽f(xk+1)-▽f(xk)‖·‖dk‖≤Lαk‖dk‖2,于是
由(9),(10)可得
即
進(jìn)一步,綜合強Wolfe線性搜索條件(6)和(11)有
上述不等式兩邊對k求和,并注意f(xk)有界,則有
從而
結(jié)合(5),不難推出下面的引理:
引理2若假設(shè)1成立,點列{xk}由三項CD共軛梯度法產(chǎn)生,則
定理1若假設(shè)1成立,點列{xk}由三項CD共軛梯度法產(chǎn)生,則
證明 由搜索方向dk的迭代格式(4)有
將ηk代入,可以推出ηkyk-1的表達(dá)式
然后再將(15)代入(14),進(jìn)一步得到‖dk‖2的表達(dá)式
化簡后
將βk代入,可以得到
即有
[1]陳寶林.最優(yōu)化理論與算法[M].北京:清華大學(xué)出版社,2004.
[2]李董輝,童小嬌,萬中.數(shù)值最優(yōu)化[M].北京:科學(xué)出版社,2005.
[3]Zhang L,Zhou W,Li D.A descent modified Polak-Ribiere-Polyak conjugate gradient method and its global convergence[J].IMA Journal of Numerical Analysis,2006,(4):629-640.
[4]Andrei N.On three-term conjugate gradient algorithms for unconstrained optimization[J].Applied Mathematics and Computation,2013,(11):6316-6327.
[5]Al-Bayati A Y,Sharif W H.A new three-term conjugate gradient method for unconstrained optimization[J].Canadian Journal on Science and Engineering Mathematics,2010,(5):108-124.
[6]Narushima Y,Yabe H,F(xiàn)ord J A.A three-term conjugate gradient method with sufficient descent property for unconstrained optimization[J].SIAM Journal on Optimization,2011,(1):212–230.
[7]Zhang L,Zhou W,Li D.Some descent three-term conjugate gradient methods and their global convergence[J].Optimization Methods and Software,2007,(4):697–711.