Resumen

Nos preocupan los problemas de optimización con restricciones no negativas. Es bien sabido que los métodos de gradiente conjugado son métodos eficientes para resolver problemas de optimización sin restricciones a gran escala debido a su simplicidad y bajo almacenamiento. Combinando el método modificado de Polak-Ribire-Polyak propuesto por Zhang, Zhou y Li con el método de dirección factible de Zoutendijk, propusimos un método tipo gradiente conjugado para resolver problemas de optimización con restricciones no negativas. Si la iteración actual es un punto factible, la dirección generada por el método propuesto siempre es una dirección de descenso factible en la iteración actual. Bajo condiciones apropiadas, demostramos que el método propuesto es globalmente convergente. También presentamos algunos resultados numéricos para mostrar la eficiencia del método propuesto.

• Materias:Modelado matemático Modelo de red neuronal Tasa de convergencia Aritmética Ondículas libres
• Subjects:Mathematical modeling Neural network model Convergence rate Arithmetic Free wavelets
• Palabras claves:Métodos de gradiente conjugado; Problemas de optimización; Restricciones no negativas; Método de dirección factible; Método de Polak-Ribire-Polyak; Convergencia global
• Keywords:Conjugate gradient methods; Optimization problems; Nonnegative constraints; Feasible direction method; Polak-Ribire-Polyak method; Globally convergent