导读:本文包含了共轭梯度算法论文开题报告文献综述、选题提纲参考文献及外文文献翻译，主要关键词:梯度,算法,共轭,全局,分布式,收敛性,同态。
共轭梯度算法论文文献综述
刘胜楠,胡滨,刘娟[1]（2019）在《基于共轭梯度算法的光谱合成超构表面设计》一文中研究指出在研究基于硅基二氧化钛纳米柱对空间光场位相调制特性的基础上,结合菲涅尔衍射理论,提出了一种基于共轭梯度优化算法的超构表面设计方法。通过该方法,在可见光波段能够实现在任意衍射角度上对选取的波长进行滤波。衍射角分别为15°和30°,波长范围在400～780nm,对RGB叁色光波进行单波长滤波。数值模拟结果验证表明,所提算法得到的超构表面能在预定的衍射角下准确地产生目标强度谱。(本文来源于《光学技术》期刊2019年05期）
夏福全,陈龙卫[2]（2019）在《求解非线性无约束优化问题的新共轭梯度算法》一文中研究指出提出一类新的解无约束优化问题的共轭梯度法,将搜索方向由满足一个共轭条件变为满足多个共轭条件,从而充分利用前面迭代点信息;证明了新算法的全局收敛性。实验结果表明,新算法在求解非线性无约束优化问题具有一定研究价值。(本文来源于《荆楚理工学院学报》期刊2019年03期）
杨迎迎[3]（2019）在《稀疏分裂可行问题的共轭梯度算法》一文中研究指出稀疏分裂可行问题是指带有稀疏约束的分裂可行问题,在图像重建、压缩感知、信号、理处机器学习等领域有着广泛的应用.近年来,稀疏分裂可行问题得到了越来越多学者的关注,关于此问题的一些理论分析和算法研究也相继提出.但由于变量的稀疏性质,问题直接求解稀疏分裂可行许多传统迭代算法无法.因此设计稀疏分裂可行问题的有效算法是比较有意义的研究.全文共分成四章.主要结构安排如下:第一章为绪论,行问题的定义、主要阐述了稀疏分裂可研究意义以及研究现状,在此基础上介绍了稀疏分裂可行问题算法的发展现状,存在的问题和本文的主要工作.第二章首先利用分裂可行问题最小0范数解与最小1范数解的等价性,将分裂可行问题最小0范数解问题转化为求解最小1范数解的问题.再将该问题转化为非光滑无约束凸优化问题,接着利用Nesterov光滑技术得到一个光滑的无约束凸优化问题.然后提出一种修正的PRP共轭梯度算法来求解稀疏分裂可行问题,,并证明了算法的收敛性数值实验结果说明了算法的有效性.第叁章我们设计了一种带有广义Armijo步长规则的修正的CD共轭梯度算法来求解稀疏分裂可行问题,收敛性证明了此算法具有全局,算法的有效性最后用数值例子说明了.第四章是对全文的总结及对未来研究方向的展望.(本文来源于《曲阜师范大学》期刊2019-06-12）
吕净阁[4]（2019）在《分布式共轭对偶梯度算法研究》一文中研究指出分布式优化是大量自主个体(计算节点)通过相互间的局部信息传递或相互交流,协同合作来解决关于整个系统或网络的优化问题的优化方法。由于需要个体与其邻居进行局部信息交互,可能会产生不必要的隐私信息泄露等问题;海量数据中大部分都是具有实时更新特性的动态流数据,传统的批处理方法难以有效处理这些动态流数据。因此,针对以上两个问题,研究了分布式共轭对偶梯度算法的隐私保护性以及能对流数据进行实时处理的分布式在线学习算法。一、针对个体间信息交互易导致状态和局部函数等隐私泄露的问题,在分布式共轭对偶梯度算法的基础上,有效结合同态加密技术中的Paillier Cryptosystem机制,提出了一种具有隐私保护的分布式共轭对偶梯度算法,并证明了在无向时变网络拓扑下,且本地局部成本函数是强凸函数时算法的收敛性;进一步的理论分析表明某一个体即使能够收集多步骤中间信息仍然无法窃取邻居的敏感信息,因此该算法能够有效保护隐私。最后,通过数值模拟验证了算法的隐私保护性。二、在时变有向强连通网络环境下,针对如何实时处理动态流数据的问题,在分布式共轭对偶梯度算法的基础上研究了一种分布式在线学习优化算法—分布式在线共轭对偶梯度算法。对分布式共轭对偶梯度算法添加在线设置,建立相关的数学模型,进行迭代求解,并给出算法的原始变量以及对偶变量的Regret界,通过理论证明了当本地成本函数是强凸函数时,算法的收敛性以及本地估计的Regret界关于时间的次线性。综上所述,针对分布式计算过程中可能会产生隐私泄露的问题,提出了一种运用同态加密技术来保证数据隐私的具有隐私保护的分布式共轭对偶梯度算法,并通过理论证明算法的收敛性以及隐私保护的有效性;针对如何实时处理动态流数据的问题,提出了一种分布式在线共轭对偶梯度算法,并通过理论分析证明了算法的收敛性。图[12]表[5]参[64]。(本文来源于《安徽理工大学》期刊2019-06-10）
李佳田,王聪聪,贾成林,牛一如,王瑜[5]（2019）在《大角度立体像对相对定向的混合共轭梯度算法》一文中研究指出无初值依赖的快速收敛是大角度相对定向解算的关键所在。为此,本文提出一种混合共轭梯度算法,具体过程是:①采用随机爬山算法对给定的相对定向元素初值进行随机扰动,产生保证优化方向的初值;②局部优化中以超线性收敛的共轭梯度法取代相对定向中的最速下降法,以提高其收敛速度;③全局收敛条件为计算误差小于规定的限差。对比试验表明,混合共轭梯度算法无初值依赖性,具有较高的解算精度和较少的迭代次数。(本文来源于《测绘学报》期刊2019年03期）
吕净阁[6]（2018）在《分布式在线共轭对偶梯度算法》一文中研究指出针对如何对动态环境下的流数据进行实时处理的问题,研究了一种基于权重平衡和共轭对偶梯度算法(CDG)的分布式在线学习优化算法—分布式在线共轭对偶梯度算法(DO-CDG)。首先,针对分布式在线优化问题,在CDG算法的基础上建立了数学模型并设计了DO-CDG算法,并进行求解;其次,给出算法的Regret界用于表征在线算法的优劣性,证明了当本地损失函数是强凸函数时,DO-CDG算法的收敛性以及本地估计的Regret界关于时间的次线性;最后,经过数据仿真实验,证明了算法的收敛性。(本文来源于《阜阳师范学院学报(自然科学版)》期刊2018年04期）
高苗苗,宫恩龙,孙清滢,王真真,杜小雨[7]（2018）在《一类新的基于信赖域技术的非单调共轭梯度算法》一文中研究指出为有效求解大规模无约束优化问题,本文基于信赖域技术和修正拟牛顿方程,同时结合Zhang H.C.策略和Gu N.Z.策略,设计了一种新的非单调共轭梯度算法,应用信赖域技术保证了算法的稳健性和收敛性,并给出了算法的全局收敛性分析.在适当条件下,证明了该算法具有线性收敛性.数值实验表明新算法能够有效求解病态和大规模问题.与单独结合其中一种非单调策略的算法相比,新算法需要较少的迭代次数和运行时间,利用其得到的函数值与最优值更接近.(本文来源于《工程数学学报》期刊2018年05期）
李春念,袁功林[8]（2018）在《求解无约束问题的修正PRP共轭梯度算法》一文中研究指出提出了一种改进的PRP共轭梯度算法,其搜索方向自动具有充分下降性和信赖域性质,且在一定条件下,具有全局收敛性.数值结果表明该算法对求解无约束光滑问题是有效的.(本文来源于《西南大学学报(自然科学版)》期刊2018年09期）
张军军,朱志斌[9]（2018）在《一种反演介质吸收系数的改进谱共轭梯度算法》一文中研究指出为了反演一维辐射系统的吸收系数,提出了一种新的改进型谱共轭梯度算法。以一种改进的FR共轭梯度算法为基础,对其增加了一个谱参数,并证明了该算法的全局收敛性。数值实验结果表明,该算法是有效的。(本文来源于《桂林电子科技大学学报》期刊2018年04期）
陈建恒,段雪峰[10]（2018）在《求解张量填充问题的非线性共轭梯度算法》一文中研究指出为求解张量填充问题的数值解,提出了一种非线性共轭梯度算法。通过核范数代替秩函数,将张量填充问题转化为等价的无约束优化问题,构造非线性共轭梯度算法求解转化后的无约束优化问题。数值实验表明,该算法是可行的。(本文来源于《桂林电子科技大学学报》期刊2018年03期）
共轭梯度算法论文开题报告
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
提出一类新的解无约束优化问题的共轭梯度法,将搜索方向由满足一个共轭条件变为满足多个共轭条件,从而充分利用前面迭代点信息;证明了新算法的全局收敛性。实验结果表明,新算法在求解非线性无约束优化问题具有一定研究价值。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
共轭梯度算法论文参考文献
[1].刘胜楠,胡滨,刘娟.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
[2].夏福全,陈龙卫.求解非线性无约束优化问题的新共轭梯度算法[J].荆楚理工学院学报.2019
[3].杨迎迎.稀疏分裂可行问题的共轭梯度算法[D].曲阜师范大学.2019
[4].吕净阁.分布式共轭对偶梯度算法研究[D].安徽理工大学.2019
[5].李佳田,王聪聪,贾成林,牛一如,王瑜.大角度立体像对相对定向的混合共轭梯度算法[J].测绘学报.2019
[6].吕净阁.分布式在线共轭对偶梯度算法[J].阜阳师范学院学报(自然科学版).2018
[7].高苗苗,宫恩龙,孙清滢,王真真,杜小雨.一类新的基于信赖域技术的非单调共轭梯度算法[J].工程数学学报.2018
[8].李春念,袁功林.求解无约束问题的修正PRP共轭梯度算法[J].西南大学学报(自然科学版).2018
[9].张军军,朱志斌.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
[10].陈建恒,段雪峰.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
论文知识图
