改进的共轭梯度算法及应用研究

改进的共轭梯度算法及应用研究

论文摘要

随着互联网与信息技术的发展,人类面临的大规模优化问题越来越多。为解决此类问题,科学家们提出众多的算法。共轭梯度法是较为有效的方法之一,它具有迭代形式简单、所需储存空间小等优点,所以被广泛关注与应用。本文对已有的非线性共轭梯度算法做了进一步的研究。首先,综述近年来优化算法的研究进展,分析经典共轭梯度法的优缺点。对近年来基于优化算法的一系列改进工作进行总结,归纳算法的改进思想。基于这些改进思想提出两种新的改进算法。HS共轭梯度法具有较好的数值表现但是收敛速度较慢,基于WYL和P-W共轭梯度法的改进思想,结合NLS-DY共轭梯度法的搜索方向,得到JLJH和H-M共轭梯度法。在Wolfe-Powell搜索准则下,算法充分下降,且全局收敛,数值实验验证算法的有效性。其次,结合几种经典共轭梯度法的优点,提出一种混合共轭梯度法。将数值效果佳的WYL与收敛性较好的FR共轭梯度法结合,选取合适的凸参数,得到NWF共轭梯度法。数值实验验证算法的稳定性和高效性。最后,将所设计的共轭梯度法应用于时间序列模型的参数估计中以验证算法的优越性。利用新算法解决ARMA模型的参数优化估计问题,得到JLJH-ARMA、NWF-ARMA以及H-M-ARMA模型。为验证模型的合理性与高效性,分别将新模型应用于实际模型的拟合和预测,数值实例进一步说明模型的优越性,进而说明新算法的可行性。

论文目录

  • 摘要
  • Abstract
  • 第1章 绪论
  •   1.1 课题的研究背景及意义
  •   1.2 优化算法研究现状
  •     1.2.1 最速下降法
  •     1.2.2 牛顿法
  •     1.2.3 拟牛顿法
  •     1.2.4 共轭梯度法
  •   1.3 本文的主要工作
  • 第2章 两种共轭梯度算法
  •   2.1 预备知识
  •   2.2 JLJH共轭梯度算法
  •     2.2.1 算法结构
  •     2.2.2 收敛性分析
  •     2.2.3 数值实验
  •   2.3 H-M共轭梯度算法
  •     2.3.1 算法结构
  •     2.3.2 收敛性分析
  •     2.3.3 数值实验
  •   2.4 本章小结
  • 第3章 混合共轭梯度算法
  •   3.1 算法概述
  •   3.2 算法结构
  •   3.3 收敛性分析
  •   3.4 数值实验
  •   3.5 本章小结
  • 第4章 新算法的应用研究
  •   4.1 CG-ARMA组合模型
  •     4.1.1 目标函数的确定
  •     4.1.2 模型初值的确定
  •   4.2 JLJH-ARMA模型的应用
  •     4.2.1 算法的基本执行步骤
  •     4.2.2 案例分析
  •   4.3 NWF-ARMA模型的应用
  •     4.3.1 算法的基本执行步骤
  •     4.3.2 案例分析
  •   4.4 H-M-ARMA模型的应用
  •     4.4.1 算法的基本执行步骤
  •     4.4.2 案例分析
  •   4.5 本章小结
  • 结论
  • 参考文献
  • 攻读硕士学位期间承担的科研任务与主要成果
  • 致谢
  • 文章来源

    类型: 硕士论文

    作者: 贾丽玖

    导师: 单锐

    关键词: 无约束最优化,共轭梯度法,全局收敛性,混合共轭梯度法,充分下降性,模型

    来源: 燕山大学

    年度: 2019

    分类: 基础科学

    专业: 数学

    单位: 燕山大学

    分类号: O224

    DOI: 10.27440/d.cnki.gysdu.2019.002069

    总页数: 58

    文件大小: 765K

    下载量: 117

    相关论文文献

    • [1].谱共轭梯度算法反演航天器在轨瞬态外热流[J]. 沈阳航空航天大学学报 2020(03)
    • [2].一类具有充分下降性的共轭梯度算法[J]. 华东师范大学学报(自然科学版) 2017(02)
    • [3].修正的谱共轭梯度算法在图像恢复中的应用[J]. 桂林电子科技大学学报 2016(02)
    • [4].带参数的混合共轭梯度算法及其收敛性研究[J]. 青岛大学学报(自然科学版) 2016(03)
    • [5].电磁层析成像实验系统中的修正共轭梯度算法[J]. 沈阳师范大学学报(自然科学版) 2015(02)
    • [6].改进形式共轭梯度算法在储层敏感性预测中的研究[J]. 石油天然气学报 2012(01)
    • [7].一种新的混合共轭梯度算法[J]. 西南大学学报(自然科学版) 2017(05)
    • [8].改进共轭梯度算法在矿井瓦斯含量预测中的应用[J]. 应用泛函分析学报 2017(02)
    • [9].一种反演介质吸收系数的改进谱共轭梯度算法[J]. 桂林电子科技大学学报 2018(04)
    • [10].一个修改的三项共轭梯度算法[J]. 广西科学 2012(04)
    • [11].一类新的混合共轭梯度算法[J]. 科学技术与工程 2010(19)
    • [12].变阻尼共轭梯度算法及其性能分析[J]. 地球物理学进展 2008(01)
    • [13].修正共轭梯度算法在无约束优化中的应用[J]. 桂林电子科技大学学报 2017(03)
    • [14].基于概率加权共轭梯度算法的混凝土超声波层析成像[J]. 计算物理 2015(03)
    • [15].非精确条件下的谱共轭梯度算法[J]. 吉林大学学报(理学版) 2009(02)
    • [16].一种无需线搜索的共轭梯度算法及其收敛性[J]. 赣南师范学院学报 2014(06)
    • [17].改进的混合共轭梯度法求解无约束优化算法[J]. 计算机工程与设计 2017(08)
    • [18].一种非线性扩展混合共轭梯度算法的全局收敛性[J]. 上海理工大学学报 2013(02)
    • [19].两种有效的非线性共轭梯度算法[J]. 计算数学 2013(03)
    • [20].基于预处理共轭梯度算法的有限元模型修正方法[J]. 飞机设计 2010(05)
    • [21].基于改进的共轭梯度算法实现的最小二乘隐空间支持向量机[J]. 计算机光盘软件与应用 2012(18)
    • [22].基于改进的共轭梯度算法实现的最小二乘隐空间支持向量机[J]. 微电子学与计算机 2012(12)
    • [23].电磁层析成像图像重建中的修正共轭梯度算法[J]. 仪器仪表学报 2010(03)
    • [24].一种新的混合共轭梯度算法[J]. 山东大学学报(理学版) 2010(06)
    • [25].无约束优化问题的一种新杂交共轭梯度算法[J]. 信阳师范学院学报(自然科学版) 2009(02)
    • [26].基于共轭梯度算法的光谱合成超构表面设计[J]. 光学技术 2019(05)
    • [27].求解无约束非线性规化问题的一个新的重开始三项共轭梯度算法的收敛性(英文)[J]. 数学季刊 2011(01)
    • [28].等式约束下的共轭梯度算法[J]. 阜阳师范学院学报(自然科学版) 2010(02)
    • [29].求解张量填充问题的非线性共轭梯度算法[J]. 桂林电子科技大学学报 2018(03)
    • [30].一个新的具有充分下降性的混合共轭梯度算法[J]. 应用数学学报 2011(04)

    标签:;  ;  ;  ;  ;  ;  

    改进的共轭梯度算法及应用研究
    下载Doc文档

    猜你喜欢