روش حافظه محدود SGFB-L) SGFB) از جمله روشهای معروف برای حل مسایل بهینهسازی نامقید به ویژه در مقیاس بزرگ است. در روش SGFB-L از جستجوی خطی که شرط ولف را ارضا میکند، برای تضمین همگرایی استفاده میگردد. در طرح جستجوی خطی، برای مسایل بدحالت به تعداد زیادی از مقادیر تابع احتیاج است. در این پایاننامه، برای رفع مشکل مذکور، یک روش ترکیبی از SGFB-L با نیوتن منظم را ارایه میدهیم.در این روش، هزینه محاسباتی برای هر گام ساده معادل با روش SGFB-L اصلی است. همگرایی سراسری روش پیشنهادی را تحت شرایط استاندارد نشان میدهیم. به علاوه، نتایج عددی حاصل، بیانگر استواری مدل پیشنهادی است.
The limited-memory BFGS )L-BFGS( algorithm is a popular method of solving large-scale unconstrained minimization problems. The L-BFGS method needs a line search to satisfy the Wolfe condition to guarantee global convergence. The line search scheme may require a large number of function evaluations for ill-posed problems. Inthisthesis,toovercomethisdi culty,weproposeamethodthatcombinesL-BFGS with the regularized Newton method. The computational cost for a single iteration of theproposedmethodisthesameasthatoftheoriginalL-BFGSmethod. Weshowthat the proposed method has global convergence under the usual conditions. Moreover, we present numerical results that show the robustness of the proposed method.