设计 任务书 论文 开题 答辩 说明书 格式 模板 外文 翻译 范文 资料 作品 文献 课程 实习 指导 调研 下载 网络教育 计算机 网站 网页 小程序 商城 购物 订餐 电影 安卓 Android Html Html5 SSM SSH Python 爬虫 大数据 管理系统 图书 校园网 考试 选题 网络安全 推荐系统 机械 模具 夹具 自动化 数控 车床 汽车 故障 诊断 电机 建模 机械手 去壳机 千斤顶 变速器 减速器 图纸 电气 变电站 电子 Stm32 单片机 物联网 监控 密码锁 Plc 组态 控制 智能 Matlab 土木 建筑 结构 框架 教学楼 住宅楼 造价 施工 办公楼 给水 排水 桥梁 刚构桥 水利 重力坝 水库 采矿 环境 化工 固废 工厂 视觉传达 室内设计 产品设计 电子商务 物流 盈利 案例 分析 评估 报告 营销 报销 会计
 首 页 机械龙8app客户端下载 电子电气龙8app客户端下载 计算机龙8app客户端下载 土木工程龙8app客户端下载 视觉传达龙8app客户端下载 理工论文 文科论文 毕设资料 帮助中心 设计流程 
您现在所在的位置:首页 >>理工论文 >> 文章内容
                 
   我们提供全套龙8app客户端下载和毕业论文服务,联系   914298682   
基于改进的共轭梯度法求解非线性方程组(数学专业) 毕业论文+任务书+开题报告+开题答辩PPT+文献资料+外文翻译及原文
文章来源:www.www.swedenno1.net   发布者:学生毕业作品网站  

摘 要

共轭梯度法由于内存需求量小,迭代形式简单,收敛速度快等优点,受到广泛的研究和关注,并被广泛地应用于实际问题的求解。基于已有研究成果,本文提出分别求解无约束优化问题和非线性单调方程组的两种共轭梯度算法,建立算法的全局收敛性,并用数值试验验证算法的有效性。对于非线性方程组问题,本文修正一个新的搜索方向。

在众多的共轭梯度法中,满足充分下降条件的充分下降共轭梯度法往往更为有效。本文重点研究这类方法,并用它们求解一般的非线性无约束优化问题和非线性方程组。从求解一般可微的无约束优化问题出发,讨论了一类充分下降共轭梯度法的统一框架,然后,将该框架下的共轭梯度法加以推广,用于求解带有凸约束的非线性方程组和不可微的无约束凸优化问题。

在适当的假设条件下证明其充分下降性和全局收敛性。通过数值实验中,证明本文所设计的算法NN的数值结果优于算法PRP。对新算法进行数值测试,以验证方法的有效性。通过数值实验,并在与原算法的比较中,证明数值结果更好。

关键词:共轭梯度法,非线性,方程组,最优化,收敛性

Abstract

Conjugate gradient method has been widely studied and paid attention to because of its small memory demand, simple iterative form and fast convergence speed, and has been widely used in solving practical problems. Based on the existing research results, two conjugate gradient algorithms are proposed to solve unconstrained optimization problems and nonlinear monotone equations respectively. The global convergence of the algorithm is established and the effectiveness of the algorithm is verified by numerical experiments. For nonlinear equations, a new search direction is modified.

In many conjugate gradient methods, the sufficient descending conjugate gradient method satisfying the sufficient descent condition is often more effective. This paper focuses on these methods and uses them to solve general nonlinear unconstrained optimization problems and nonlinear equations. from solving the general differentiable unconstrained optimization problem, we discuss a unified framework for a fully descending conjugate gradient method. then, the conjugate gradient method under this framework is extended to solve nonlinear equations with convex constraints and non-differentiable unconstrained convex optimization problems.

Prove its full degradability and global convergence under appropriate assumptions. Through numerical experiments, it is proved that the numerical results NN the proposed algorithm are better than PRP. algorithm The new algorithm is numerically tested to verify the effectiveness of the method. Through numerical experiments, and compared with the original algorithm, it is proved that the numerical results are better.

Keywords: conjugate gradient method, nonlinearity, equations, optimization, convergence

目  录

摘 要

Abstract

1绪论

1.1选题背景及意义

1.2国内外相关研究情况

1.3研究主要内容

2 全局收敛性及条件

2.1 FR方法

2.2 PRP方法和HS方法

2.3 CD方法

2.4 DY方法

3 共轭梯度法求解非线性改进简介

3.1 杂交共轭梯度法

3.2 共轭梯度法簇

3.3 最短余量法

3.4 Beale-Powell重新开始方法

4 Hager-Zhang共轭梯度算法改进

4.1 引言

4.2 共轭梯度算法

4.3 下降条件

4.4 全局收敛性

5 总结与展望












  全套龙8app客户端下载论文现成成品资料请咨询914298682      返回首页 如转载请注明来源于www.www.swedenno1.net  

                 

打印本页 | 关闭窗口
本类最新文章
基于改进的共轭梯度法求解非线性方 强密码生成器实例 Python时间序列选择波动率预
用小程序应用程序增强应用程序性能 多闭环温度控制系统 气密性检测系统
| 关于我们 | 友情链接 | 龙8app客户端下载招聘 |

Email:biyeshejiba@163.com 在线QQ:   914298682 学生毕业作品网站  
本站龙8app客户端下载毕业论文资料均属原创者所有,仅供学习交流之用,请勿转载并做其他非法用途.如有侵犯您的版权有损您的利益,请联系我们会立即改正或删除有关内容!
蜀ICP备10201305号-4

Baidu