الگوریتم گرادیان مزدوج پیش شرط BFGS مقیاسی برای بهینه سازی نامقید

در این مقاله برای حل مسائل بهینه سازی نامقید، یک الگوریتم گرادیان مزدوج پیش شرطی BFGS بدون حافظه مقیاسی ارائه می شود. ایده اصلی در این مقاله، ترکیب روش BFGS بی حافظه مقیاسی و تکنیک پیش شرطی در قالب روش گرادیان مزدوج می باشد. پیش شرط ساز، که یک ماتریس BFGS بی حافظه مقیاسی هم محسوب می گردد، به شرطی دوباره راه اندازی می شود که ضابطه شروع دوباره پاول منعقد گردد. پارامتری که گرادیان را مورد محاسبه قرار می دهد، بعنوان گرادیان طیفی برگزیده می شود. نتایج محاسباتی بدست آمده برای مجموعه ای شامل هفت صد و پنجاه مسئله آزمایشی بهینه سازی نامقید حاکی از آن است که این الگوریتم گرادیان مزدوج مقیاسی جدید بطور قابل توجهی دارای عملکردی بهتر نسبت به روش های گرادیان مزدوج نظیر گرادیان مزدوج طیفی متعلف به بیرجین و مارتینز می باشد.