论文部分内容阅读
共轭梯度法是求解无约束优化问题的一个有效方法。由于共轭梯度法只利用一阶梯度信息而忽略了目标函数值信息,故为了充分利用目标函数值信息值和梯度信息,结合Saman和Zahra Khoshgam等人提出的割线条件,针对TMDL和TMDL+方法给出了基于修正割线方程改进具有充分下降性的共轭梯度法。证明了STMDL方法在Wolfe线搜索下对一致凸函数强收敛,STMDL+方法对一般函数是全局收敛的。数值结果表明STMDL+方法优于HZ+和DK+方法。