Resumen

Al resolver problemas a gran escala, el método quasi-Newton es conocido como el método más eficiente para resolver problemas de optimización no restringidos. Por lo tanto, se ha creado un nuevo método híbrido, conocido como el método BFGS-CG, basado en estas propiedades, combinando la dirección de búsqueda entre los métodos de gradiente conjugado y los métodos quasi-Newton. En comparación con los métodos BFGS estándar y los métodos de gradiente conjugado, el método BFGS-CG muestra una mejora significativa en el número total de iteraciones y el tiempo de CPU requerido para resolver problemas de optimización no restringidos a gran escala. También demostramos que el método híbrido es globalmente convergente.

• Materias:Ecuaciones diferenciales Ecuaciones integrales Variables independientes Sistemas dinámicos Combinaciones convexas
• Subjects:Differential equations Integral equations Independent variables Dynamic systems Convex combinations
• Palabras claves:Método quasi-newton; Problemas de optimización no restringidos; Método BFGS-CG; Métodos de gradiente conjugado; Problemas a gran escala; Convergencia global
• Keywords:Quasi-newton method; Unconstrained optimization problems; Bfgs-cg method; Conjugate gradient methods; Large scale problems; Globally convergent