您当前所在位置: 首页 > 首发论文
动态公开评议须知

1. 评议人本着自愿的原则,秉持科学严谨的态度,从论文的科学性、创新性、表述性等方面给予客观公正的学术评价,亦可对研究提出改进方案或下一步发展的建议。

2. 论文若有勘误表、修改稿等更新的版本,建议评议人针对最新版本的论文进行同行评议。

3. 每位评议人对每篇论文有且仅有一次评议机会,评议结果将完全公示于网站上,一旦发布,不可更改、不可撤回,因此,在给予评议时请慎重考虑,认真对待,准确表述。

4. 同行评议仅限于学术范围内的合理讨论,评议人需承诺此次评议不存在利益往来、同行竞争、学术偏见等行为,不可进行任何人身攻击或恶意评价,一旦发现有不当评议的行为,评议结果将被撤销,并收回评审人的权限,此外,本站将保留追究责任的权利。

5. 论文所展示的星级为综合评定结果,是根据多位评议人的同行评议结果进行综合计算而得出的。

勘误表

上传勘误表说明

  • 1. 请按本站示例的“勘误表格式”要求,在文本框中编写勘误表;
  • 2. 本站只保留一版勘误表,每重新上传一次,即会覆盖之前的版本;
  • 3. 本站只针对原稿进行勘误,修改稿发布后,不可对原稿及修改稿再作勘误。

示例:

勘误表

上传勘误表说明

  • 1. 请按本站示例的“勘误表格式”要求,在文本框中编写勘误表;
  • 2. 本站只保留一版勘误表,每重新上传一次,即会覆盖之前的版本;
  • 3. 本站只针对原稿进行勘误,修改稿发布后,不可对原稿及修改稿再作勘误。

示例:

上传后印本

( 请提交PDF文档 )

* 后印本是指作者提交给期刊的预印本,经过同行评议和期刊的编辑后发表在正式期刊上的论文版本。作者自愿上传,上传前请查询出版商所允许的延缓公示的政策,若因此产生纠纷,本站概不负责。

发邮件给 王小芳 *

收件人:

收件人邮箱:

发件人邮箱:

发送内容:

0/300

论文收录信息

论文编号 202403-37
论文题目 向量优化的Dai-Kou共轭梯度法
文献类型
收录
期刊

上传封面

期刊名称(中文)

期刊名称(英文)

年, 卷(

上传封面

书名(中文)

书名(英文)

出版地

出版社

出版年

上传封面

书名(中文)

书名(英文)

出版地

出版社

出版年

上传封面

编者.论文集名称(中文) [c].

出版地 出版社 出版年-

编者.论文集名称(英文) [c].

出版地出版社 出版年-

上传封面

期刊名称(中文)

期刊名称(英文)

日期--

在线地址http://

上传封面

文题(中文)

文题(英文)

出版地

出版社,出版日期--

上传封面

文题(中文)

文题(英文)

出版地

出版社,出版日期--

英文作者写法:

中外文作者均姓前名后,姓大写,名的第一个字母大写,姓全称写出,名可只写第一个字母,其后不加实心圆点“.”,

作者之间用逗号“,”分隔,最后为实心圆点“.”,

示例1:原姓名写法:Albert Einstein,编入参考文献时写法:Einstein A.

示例2:原姓名写法:李时珍;编入参考文献时写法:LI S Z.

示例3:YELLAND R L,JONES S C,EASTON K S,et al.

上传修改稿说明:

1.修改稿的作者顺序及单位须与原文一致;

2.修改稿上传成功后,请勿上传相同内容的论文;

3.修改稿中必须要有相应的修改标记,如高亮修改内容,添加文字说明等,否则将作退稿处理。

4.请选择DOC或Latex中的一种文件格式上传。

上传doc论文   请上传模板编辑的DOC文件

上传latex论文

* 上传模板导出的pdf论文文件(须含页眉)

* 上传模板编辑的tex文件

回复成功!


  • 0

向量优化的Dai-Kou共轭梯度法

首发时间:2024-03-04

邓杰文 1   

邓杰文,女,主要研究方向:最优化理论与算法

王展 1   

王展,男,主要研究方向:最优化理论与算法

  • 1、重庆大学数学与统计学院,重庆 401331

摘要:向量优化是最优化邻域中的主要研究方向之一,共轭梯度法是求解无约束优化问题的一类重要的一阶算法,近年来被推广应用于向量优化问题。本文首先简要叙述了一些向量优化的共轭梯度法的理论知识与技术手段;其次将Dai-Kou共轭梯度法由标量形式推广到向量形式,并通过自适应调整策略完善算法,提出了有效的向量优化的四种不同参数下的DK共轭梯度法,并且分别讨论四种共轭参数下的充分下降性,证明其全局收敛性的结果;最后,通过一系列的数值实验,与现有向量优化的共轭梯度法进行比较,表明本文提出的DK共轭梯度法的有效性。

关键词: 共轭梯度法 向量优化 无约束优化 全局收敛 wolfe条件

For information in English, please click here

Vector optimization of Dai-Kou conjugate gradient method

DENG Jie-Wen 1   

邓杰文,女,主要研究方向:最优化理论与算法

WANG Zhan 1   

王展,男,主要研究方向:最优化理论与算法

  • 1、College of Mathematics and Statistics, Chongqing University,Chongqing 401331

Abstract:Vector optimization is one of the main research directions in the optimization neighborhood. Conjugate gradient method is an important first-order algorithm for solving unconstrained optimization problems, which has been extended to vector optimization problems in recent years. Firstly, this paper briefly describes some theoretical knowledge and technical means of conjugate gradient method for vector optimization. Secondly, the Dai-Kou conjugate gradient method is extended from scalar form to vector form, and the algorithm is improved by adaptive adjustment strategy. The effective vector optimization DK conjugate gradient method under four different parameters is proposed, and the sufficient descent under four conjugate parameters is discussed respectively, and the result of global convergence is proved. Finally, through a series of numerical experiments, the effectiveness of DK conjugate gradient method proposed in this paper is demonstrated by comparison with the existing conjugate gradient method of vector optimization.

Keywords: Conjugate gradient method Vector optimization Unconstrained optimization Global convergence wolfe condition

Click to fold

点击收起

基金:

论文图表:

引用

导出参考文献

.txt .ris .doc
邓杰文,王展. 向量优化的Dai-Kou共轭梯度法[EB/OL]. 北京:中国科技论文在线 [2024-03-04]. https://www.paper.edu.cn/releasepaper/content/202403-37.

No.****

同行评议

未申请同行评议

评论

全部评论

0/1000

勘误表

向量优化的Dai-Kou共轭梯度法