Resumen

Propusimos un mtodo de descenso de gradiente de tres trminos que puede aplicarse bien para abordar los problemas de optimizacin de este artculo. La direccin de bsqueda del mtodo obtenido se genera en un subespacio especfico. En concreto, se aplica un modelo de aproximacin cuadrtica en el proceso de generacin de la direccin de bsqueda. Para reducir la cantidad de clculos y aprovechar al mximo la informacin existente, el subespacio se compone del gradiente del punto de iteracin actual y anterior y de la direccin de bsqueda anterior. Utilizando la tecnologa de optimizacin basada en el subespacio, se establece el resultado de convergencia global bajo la bsqueda lineal de Wolfe. Los resultados de los experimentos numricos muestran que el nuevo mtodo es eficaz y robusto.

• Materias:Algoritmos (Matemáticas) Algebra Ingeniería Lógica matemática Matemáticas
• Subjects:Agorithms (Math) Algebra Engineering Mathematical logic mathematics
• Palabras claves:Propuesta; Método de descenso de gradiente; Problemas de optimización; Subespacio; Modelo de aproximación cuadrática; Convergencia global
• Keywords:Proposed; Gradient descent method; Optimization problems; Subspace; Quadratic approximation model; Global convergence