روشهای شبه نیوتن حافظه محدود پیش حالت شده برای بهینه سازی نامقید با ابعاد بزرگ
محل انتشار: دومین کنفرانس ملی ریاضیات صنعتی
سال انتشار: 1394
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 925
فایل این مقاله در 6 صفحه با فرمت PDF قابل دریافت می باشد
- صدور گواهی نمایه سازی
- من نویسنده این مقاله هستم
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
INDMATH02_027
تاریخ نمایه سازی: 28 شهریور 1394
چکیده مقاله:
هدف ما در این مقاله تمرکز بر روی یکی از روش های شبه نیوتن با حافظه محدود یعنی روش LBFGS است. همچنین، در این مقاله، الگوریتم LBFGS پیش حالت سازی شده (PLBFGS) مطالعه و به اجرا خواهد درآمد. علاوه بر این برای بررسی بیشتر، آزمایشهایی بر روی مجموعهای از مسائل آزمون کلی اجرا خواهند شد که از یک پیش حالت کلی، یعنی پیشحالت چولسکی، استفاده می کنند. انتظار میرود که عملکرد روش PLBFGS بهبود معنیداری را نسبت به روش LBFGS ارائه دهد و مزایایی در مقایسه با روش پیش حالت شده نیوتن بریده شده ازخود نشان دهد. همچنین یک شیوه جدید نیز پیشنهاد میشود که از هر دو روش LBFGS پیش حالت شده و روش نیوتن بریده شده پیش حالت شده بهره می جوید. ضعف اصلی روش BFGS حافظه محدود (LBFGS) این است که هرگاه از ماتریس همانی برای مقدار دهی اولیه استفاده شود امکان دارد سرعت همگرایی خیلی پایینی برای مسائل بدحالت داشته باشد. اغلب روش BLFGS می تواند از یک پیش حالت سازروی ماتریس همانی استفاده کند تا سرعت همگرایی بالا رود. برای این منظور، ردهای از پیش حالت سازهای قطری مطرح می شود تا روش LBFGS بهترین عملکرد را داشته باشد.
کلیدواژه ها:
نویسندگان
سلیمان علی نژاد
کارشناش ارشد ریاضی کاربردی، دانشگاه آزاد اسلامی واحد علوم و تحقیقات آذربایجان شرقی، تبریز، ایران
محمود نقی لو
کارشناس ارشد ریاضی کاربردی، دانشگاه آزاد اسلامی واحد علوم و تحقیقات آذربایجان شرقی، تبریز، ایران
مراجع و منابع این مقاله:
لیست زیر مراجع و منابع استفاده شده در این مقاله را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود مقاله لینک شده اند :