Nueva investigación sobre el Método de Gradiente Conjugado Escalado de Liu-Story para la Optimización No Lineal
Autores: Hamed, Eman T.; Al-Kawaz, Rana Z.; Al-Bayati, Abbas Y.
Idioma: Inglés
Editor: Hindawi
Año: 2020
Acceso abierto
Artículo científico
Categoría
Matemáticas
Subcategoría
Matemáticas generales
Palabras clave
Método del gradiente conjugado
Técnica
Parámetro escalar
Optimización sin restricciones
Condición de descenso
Propiedad de convergencia global
Licencia
CC BY-SA – Atribución – Compartir Igual
Consultas: 35
Citaciones: Sin citaciones
Este artículo considera fórmulas modificadas para la técnica estándar de gradiente conjugado (CG) propuesta por Li y Fukushima. Se planea un nuevo parámetro escalar para esta técnica de CG de optimización sin restricciones. La condición de descenso y la propiedad de convergencia global se establecen a continuación utilizando las condiciones fuertes de Wolfe. Nuestros experimentos numéricos muestran que los nuevos algoritmos propuestos son más estables y económicos en comparación con algunos métodos estándar de CG bien conocidos.
Descripción
Este artículo considera fórmulas modificadas para la técnica estándar de gradiente conjugado (CG) propuesta por Li y Fukushima. Se planea un nuevo parámetro escalar para esta técnica de CG de optimización sin restricciones. La condición de descenso y la propiedad de convergencia global se establecen a continuación utilizando las condiciones fuertes de Wolfe. Nuestros experimentos numéricos muestran que los nuevos algoritmos propuestos son más estables y económicos en comparación con algunos métodos estándar de CG bien conocidos.