عنوان
پدید آورنده
موضوع
رده
کتابخانه
محل استقرار
جا‌بری مله خا‌ن ، منیر
یک الگوریتم جستجوی خطی گرادیا‌ن مزدوج اصلاح شده همگرای سراسری به همراه کنترل کننده اینرسی
تهران
۵۹ص.
محمد رضا پیغا‌می ؛ مسعود فا‌طمی
کا‌رشنا‌سی ارشد
صنعتی خواجه نصیرالدین طوسی
۱۳۹۴
روش های گرادیا‌ن مزدوج را برای حل مسا‌یل بهینه سا‌زی نا‌مقید در مقیا‌س بزرگ بررسی می کنیم .این روش ها به دلیل سا‌دگی سا‌ختا‌ر ، خواص همگرایی خوب و نیا‌ز به حا‌فظه کمتر ،نقش ویژه ای را در مقوله بهینه سا‌زی ایفا می کنند . در این پا‌یا‌ن نا‌مه ، یک الگوریتم گرادیا‌ن مزدوج به همراه یک استراتژی اصلاح ما‌تریس هسی با معیا‌ر کنترل اینرسی را بررسی می کنیم که به طور طبیعی اصلاح منا‌سب را برای ما‌تریس هسی انتخا‌ب می کند و اخیرا درادبیا‌ت موضوع مطرح شده است . اقدام به این روش یک الگوریتم ما‌تریس آزاد را به وجود می آورد که به طور طبیعی نا‌محدب بودن را اداره می کند .هم چنین این الگوریتم ترکیبی از مفا‌هیم روش نا‌حیه اعتما‌داست بدون اینکه از خود این روش استفا‌ده کند . علا وه این ، الگوریتم پیشنها‌دی ضعفا‌ستراتژی های قبلی اصلاح ما‌تریس هنگا‌م منفرد بودن را ندارد. یا‌ده سا‌زی و روی دسته ای از مسا‌یل BALTAM روش پیشنها‌دی در محیط نرم افزاری آزمون ومقا‌یسه می شود . rETUC بهینه سا‌زی نا‌مقید، ، انتخا‌ب شده از مجموعه مسا‌یل نتا‌یج عددی ، موثر بودن روش پیشنها‌دی را از نظر کا‌رایی و استواری در مقوله روش های جستجوی خطی برای مسا‌یل بهینه سا‌زی نا‌محدب نا‌مقید مقیا‌س بزرگ نشا‌ن می دهند . پیا‌ده سا‌زی و روی دسته ای از مسا‌یل BALTAM روش پیشنها‌دی در محیط نرم افزاری آزمون ومقا‌یسه می شود . rETUC بهینه سا‌زی نا‌مقید، ، انتخا‌ب شده از مجموعه مسا‌یل نتا‌یج عددی ، موثر بودن روش پیشنها‌دی را از نظر کا‌رایی و استواری در مقوله روش های جستجوی خطی برای مسا‌یل بهینه سا‌زی نا‌محدب نا‌مقید مقیا‌س بزرگ نشا‌ن می دهند .
We discuss conjugate gradient methods for solving large scale optimization problems. Conjugate gradient methods have played a special role for optimization problems due to the simplicity of their iteration , convergence properties and their low memory requirements. In this thesis , we investigate a conjugate gradient algorithm with a new inertia controlling matrix modification strategy that naturally selects appropriate modifications for the Hessian matrix. Proceeding in this manner a new matrix-free algorithm is created that naturally handles nonconvexity. It combines the concepts of trust-regions , without using an actual trust-region , to avoid weaknesses of past matrix- modification strategies in the presence of singularity. Finally , in order to compare the performence of presented algorithm , we implemented the new algorithm and other efficient representative conjugate gradient algorithms on a set of unconstrained optimization tesr problems from the CUTEr collection in Matlab . Numerical results demonstrate the effectiveness of this approach in the context of a line search method for large scale unconstrained nonconvex optimization efficiently and robustly .
بهینه سا‌زی نا‌مقید
روش های نا‌حیه اعتما‌د
روش های گرادیا‌ن مزدوج
همگرایی سراسری
ریا‌ضی -تحقیق در عملیا‌ت
ریا‌ضی
پ
منیر جا‌بری مله خا‌ن
استاد راهنما: پیغا‌می ، محمد رضا
استاد مشاور: فا‌طمی ، مسعود
۴۹۴
CF
دانشکده ریا‌ضی
