Multiobjective Accelerated Gradient-like Flow with Asymptotic Vanishing Normalized Gradient
National Center for Applied Mathematics in Chongqing, Chongqing Normal University(重庆应用数学中心,重庆师范大学)
本文提出了一种多目标加速梯度流方法,通过渐消归一化梯度实现收敛率$O(1/t^2)$,并验证其在多目标优化中的有效性。
2025-11-22 math.OC
Gradient-Based Multiobjective Optimization with Uncertainties
在这篇文章中,我们开发了一个基于梯度的算法解决多目标最优化问题的不确定性。为此,一个额外的条件推导出的下降方向,以占梯度的不准确性,然后纳入一个细分算法的全局解的计算多目标最优化问题。证明了该算法收敛于Pareto集的超集,并给出了到次平稳点集的最大距离的上界。除了适用于具有不确定性的问题,该算法的目的是使用它与模型降阶技术相结合,以有效地解决偏微分方程约束的多目标最优化问题。
2017-04-05 math.OC
Point Convergence Analysis of the Accelerated Gradient Method for Multiobjective Optimization: Continuous and Discrete
National Center for Applied Mathematics in Chongqing, Chongqing Normal University(重庆师范大学 重庆应用数学中心)
本文针对多目标优化加速梯度法的点收敛性公开问题,分别证明α=3时连续MAVD系统轨迹、所提离散MAG-GM方法生成序列均收敛至弱帕累托最优解。
2025-11-13 math.OC
On the convergence of conditional gradient method for unbounded multiobjective optimization problems
针对可行域无界的多目标优化问题,提出一种基于回收锥保证良定的条件梯度算法,并在温和假设下证明其渐近收敛性与迭代复杂度界,数值算例验证了性能。
2024-03-05 math.OC
Convergence rates analysis of a multiobjective proximal gradient method
在过去的二十年里,人们发展了许多多目标优化的下降算法。Tanabe等人(Comput Optim Appl 72(2):339--361,2019)提出了一种用于多目标优化的近似梯度法,该方法可以解决多目标问题,其目标函数是连续可微函数和封闭的、适当的和凸的函数之和。在合理的假设下,该方法产生的序列的聚点是Pareto平稳的。然而,在该论文中没有确定收敛速度。在这里,我们展示了全局收敛速度的多目标近端梯度法,匹配什么是已知的标量优化。更具体地说,通过使用价值函数来衡量的复杂性,我们提出了收敛速度的非凸($O(\sqrt{1 / k})$),凸($O(1 / k)$),强凸($O(r^k)$为某些$r \in (0, 1)$)问题。我们还推广了多目标优化的所谓的Polyak-Projojasiewicz(PL)不等式,并建立了满足这种不等式的多目标问题的线性收敛速率($O(r^k)$ for some $r \in (0, 1)$).
2022-04-08 math.OC
Fast Convergence of Inertial Multiobjective Gradient-like Systems with Asymptotic Vanishing Damping
提出首个带渐近消失阻尼的惯性多目标类梯度动力系统,证明其解弱收敛于弱帕累托最优点且函数值收敛率达$O(t^{-2})$,为多目标优化快速梯度法奠定基础。
2024-03-27 math.OC
Memory gradient method for multiobjective optimization
本文提出了一种新的寻找多目标最优化问题Pareto临界点的下降法,称为多目标记忆梯度法。该方法的主要思想是选择当前下降方向和过去多步迭代信息的组合作为新的搜索方向,并通过两种策略获得步长。证明了具有适当参数的发展方向在每次迭代时总是满足充分下降条件。在适当的假设下,我们得到了算法的整体收敛性和收敛速度。最后通过数值实验验证了该方法的有效性。
2022-06-01 math.OC
A generalized conditional gradient method for multiobjective composite optimization problems
本文研究多目标复合最优化问题,它是由同时极小化若干个目标函数组成的,每个目标函数由光滑和非光滑函数组成。为了解决这些问题,我们提出了一个广义版本的条件梯度法,也被称为弗兰克-沃尔夫方法。该方法进行了分析与三个步长策略,包括Armijo型,自适应,并减少步长。我们建立了渐近收敛性质和迭代复杂性的界限,有和没有凸性假设的目标函数。数值实验说明的方法的实际行为。
2023-02-24 math.OC
Multiobjective Balanced Gradient Flow: A Dynamical Perspective on a Class of Optimization Algorithms
本文提出多目标平衡梯度流(MBGF)动力系统,为多目标优化的归一化梯度方法提供动力学视角,证明凸场景下其收敛于弱帕累托点,并给出凸与非凸场景的收敛速率分别为O(1/t)和O(1/√t)。
2025-08-24 math.OC
Adaptive generalized conditional gradient method for multiobjective optimization
本研究提出一种适用于有/无约束多目标优化的广义条件梯度法,结合归一化下降方向与线搜索,证明了Pareto最优性收敛性并分析复杂度,数值实验验证了其可行性与竞争力。
2025-03-22 math.OC
A global Barzilai and Borwein's gradient normalization descent method for multiobjective optimization
本文提出了一种用于多目标优化的全局巴兹利AI和博文梯度归一化下降法,通过改进的归一化技术和线搜索策略,实现了帕累托临界点的全局收敛性和线性收敛率。
2025-12-11 math.OC
The convergence rate of the accelerated proximal gradient algorithm for Multiobjective Optimization is faster than $O(1/k^2)$
针对多目标优化,本文改进 Tanabe 等人的加速近似梯度算法,利用新的外推项将收敛速率从 $O(1/k^2)$ 提升至 $o(1/k^2)$,并给出同速率的非精确版本。
2023-12-12 math.OC
Scaled Proximal Gradient Methods for Multiobjective Optimization: Improved Linear Convergence and Nesterov's Acceleration
针对多目标优化中目标不平衡导致收敛慢的问题,提出缩放近端梯度方法SPGMO,利用曲率信息缩放目标,实现改进的线性收敛性,并结合Nesterov加速技术进一步提升收敛速度。
2024-10-28 math.OC
Robust Optimization Approach for Solving Uncertain Multiobjective Optimization Problems Using the Projected Gradient Method
本文将投影梯度法扩展至不确定多目标优化问题,结合逐目标最坏情况代价构建鲁棒对等模型,提出投影梯度下降算法并证明其收敛到鲁棒弱Pareto最优解,数值实验验证了方法有效性。
2025-03-09 math.OC
Fast Accelerated Proximal Gradient Method with New Extrapolation Term for Multiobjective Optimization
本文提出一种带新外推项的加速近端梯度算法用于多目标优化,证明其具有次线性收敛速率,并通过数值实验验证了方法的有效性。
2025-10-16 math.OC
Accelerated Proximal Gradient Method with Backtracking for Multiobjective Optimization
本文针对多目标优化中Lipschitz常数未知问题,提出基于FISTA的回溯策略,允许参数非递增更新,并在温和假设下证明算法达到$O(1/k^2)$收敛速率。
2024-12-30 math.OC
A Proximal Gradient Framework for Composite Multiobjective Optimization on Riemannian Manifolds
Faculty of Economics and Business Administration, Tokyo Metropolitan University(东京都立大学经济商学院)
本文提出了一种用于流形上复合优化问题的Riemannian多目标近似梯度方法(RMPGM),直接处理向量值目标并保证全局收敛到Pareto stationary点,具有O(1/k)收敛速度。进一步开发了两种变体以提高实用性和性能:允许在子问题求解中控制近似程度的不精确RMPGM,以及自适应调整惩罚参数的信赖域RMPGM,达到O(ε^{-2})迭代复杂度。数值实验表明,所提方法在性能上优于基于次梯度的基线方法。
2026-05-16 math.OC
On the Convergence of Newton-type Proximal Gradient Method for Multiobjective Optimization Problems
针对Ansary提出的NPGMO缺乏收敛性证明的问题,本文构建分析框架,在强凸性假设下证明其二次终止、超线性收敛与二次收敛性质。
2023-08-20 math.OC
Monotonicity for Multiobjective Accelerated Proximal Gradient Methods
针对多目标FISTA中目标函数值可能上升及不精确子问题导致发散的问题,本文提出一种保证单调性的FISTA变体,证明其具有$O(1/k^2)$的全局收敛速率,并展示数值优势。
2023-06-01 math.OC
A proximal gradient method with adaptive backtracking for weakly smooth multiobjective optimization
Nihon University(日本大学);The Institute of Statistical Mathematics(统计数学研究所)
针对弱光滑多目标优化问题,提出无参数自适应线搜索近端梯度法,建立非凸、凸情形下的复杂度结果,非凸情形接受更宽松的 stationarity 测度,凸情形复杂度优于非凸情形。
2026-08-04 math.OC
Fast Convergence of Multiobjective Inertial Gradient Systems with Time Scaling
National Center for Applied Mathematics in Chongqing, Chongqing Normal University(重庆应用数学中心,重庆师范大学)
本文提出多目标惯性梯度系统时间缩放方法,通过调节时间缩放函数参数实现亚线性收敛,验证了其在多目标优化中的有效性。
2026-01-07 math.OC
Barzilai-Borwein Proximal Gradient Methods for Multiobjective Composite Optimization Problems with Improved Linear Convergence
本文针对多目标优化中目标函数不平衡导致收敛缓慢的问题,提出两类Barzilai-Borwein近端梯度方法BBPGMO,证明其在非凸、凸和强凸情形下分别达到次线性、次线性和线性收敛速率,并在多个线性目标函数情形下获得优于现有一阶方法的线性收敛性能。
2023-08-09 math.OC
Generalized conditional gradient methods for multiobjective composite optimization problems with H{ö}lder condition
针对多目标复合优化问题,提出依赖参数与无参数两种广义条件梯度方法,并通过指示函数和不确定函数测试验证其收敛与性能。
2024-10-24 math.OC
A Proximal Gradient Method with an Explicit Line search for Multiobjective Optimization
针对凸多目标优化问题,提出一种带回溯线搜索的近端梯度法,每次迭代仅解一个近端子问题,证明其收敛于弱Pareto最优点且迭代复杂度为$\boldsymbol{\textit{O}}(1/\boldsymbol{\textit{ε}})$,并通过数值实验验证了实际性能。
2024-04-17 math.OC
A Tight Surrogate-Based Adaptive Step Size for the Multiobjective Conditional Gradient Method
Chongqing University of Science and Technology(重庆科技大学);Chongqing Jiaotong University(重庆交通大学);Chongqing Normal University(重庆师范大学)
针对多目标条件梯度方法中自适应步长因代理函数保守而偏小的问题,提出利用各目标梯度Lipschitz常数的更紧致二次代理,在有限候选集上评估得到新步长,保持下降性并改进复杂度,实验验证有效。
2026-09-21 math.OC
A Steepest Gradient Method with Nonmonotone Adaptive Step-sizes for the Nonconvex Minimax and Multi-Objective Optimization Problems
本文提出一种采用非单调自适应步长的新的最速梯度下降法,用于求解非凸极小极大问题,并将其扩展到多目标优化,证明了在拟凸和伪凸条件下的收敛性,数值实验验证了理论结果。
2025-02-04 math.OC
A Smoothing Accelerated Proximal Gradient Method with Nonmonotone Backtracking Strategy for Convex Nonsmooth Composite Multiobjective Optimization
Sichuan University(四川大学)
针对含两个非光滑项的复合多目标优化问题,提出基于 Lipschitz 估计与平滑因子联动回溯的平滑加速近似梯度算法,证明弱 Pareto 收敛性与收敛速率,实验显示其效率优于次梯度算法。
2026-10-27 math.OC
An accelerated proximal gradient method for multiobjective optimization
针对无标量化多目标凸优化缺乏加速方法及收敛速率证明的问题,将FISTA推广为多目标加速近端梯度方法,通过特有子问题及其对偶求解实现$O(1/k^2)$全局收敛速率,并经数值实验验证。
2023-04-26 cs.NA math.NA math.OC
$\ell_0$-Norm Multiobjective Optimization Models Motivated by Applications to Proton Therapy
本文针对质子治疗中非凸不可微的$\ell_0$-范数优化问题,利用变分分析和标量化方法提出次梯度算法并分析收敛性,数值实验展示了算法特性及其与梯度下降的关联。
2025-09-09 math.OC
ROM-based multiobjective optimization of elliptic PDEs via numerical continuation
多目标优化在现代应用中起着越来越重要的作用,其中多个目标通常具有同等重要性。因此,多目标优化和多目标最优控制的任务是计算冲突目标之间的最优折衷集(Pareto集)。由于帕累托集通常由无限数量的解决方案,计算工作可以很快成为具有挑战性的,这是特别有问题的,当目标是昂贵的评估是由偏微分方程(PDE)的模型的情况下。为了将数值工作量减少到可承受的量,可以使用代理模型来代替昂贵的PDE评估。现有的多目标最优化方法,使用模型降阶是有限的,要么低参数尺寸或少数(理想情况下两个)的目标。在这篇文章中,我们提出了一个组合的减少基础模型降阶法与连续的方法,使用不精确的梯度。由此产生的方法可以处理任意数量的目标,同时产生显着减少计算时间。
2019-06-21 math.OC
A Partially Derivative-Free Proximal Method for Composite Multiobjective Optimization in the Hölder Setting
Federal University of Piauí(皮奥伊联邦大学);Federal Institute of Education, Science and Technology of Goiás(戈亚斯联邦教育科学与技术学院);Institute of Mathematics, Statistics and Scientific Computing - UNICAMP(坎皮纳斯州立大学数学、统计与科学计算研究所)
本文提出了一种在Hölder设定下求解复合多目标优化问题的半无导数近方法,证明其在特定迭代次数内收敛到弱近似帕累托点,并通过实验验证其有效性。
2026-01-27 math.OC
An accelerated gradient method with adaptive restart for convex multiobjective optimization problems
本文针对凸多目标优化问题,基于连续时间方法提出一种带自适应残差重启的加速多目标梯度方法,并证明了其在凸和强凸情形下的次线性与线性收敛速率。
2025-02-05 cs.NA math.NA math.OC
A dynamic gradient approach to Pareto optimization with nonsmooth convex objective functions
在一般的Hilbert框架下,研究了一类非光滑凸目标函数约束多目标优化问题的连续类梯度动力系统.我们的方法是在以前的工作中,被认为是凸dierentiable目标函数的情况下。通过对系统中的细分算子进行Yosida正则化,得到了强全局轨线的存在性.我们证明了每个目标函数的下降属性,和弱Pareto最小的轨迹收敛。该方法提供了目标函数的动态内生加权。应用合作对策,反问题,和数值多目标优化。
2014-06-06 math.OC
A Barzilai-Borwein Descent Method for Multiobjective Optimization Problems
Fliege等人提出的最速下降方法是多目标优化问题下降法研究的一个热点,近年来得到了广泛的关注。然而,实验结果表明,Armijo线搜索往往给出一个非常小的步长沿最陡的方向,这严重减慢收敛。本文指出,这主要是由于目标函数之间的不平衡造成的。为了解决这个问题,我们提出了一个Barzilai-Borwein下降法的多目标优化(BBDMO),动态调谐梯度幅度使用Barzilai-Borwein的规则,在测向子问题。利用单调和非单调线搜索技术,证明了BBDMO生成的聚点是Pareto临界点。理论结果表明,在BBDMO算法中,Armijo线搜索可以获得更好的搜索步长.最后,数值实验的比较结果报告,说明BBDMO的效率和验证的理论结果。
2022-04-19 math.OC
A Refined Proximal Algorithm for Nonconvex Multiobjective Optimization in Hilbert Spaces
本文针对希尔伯特空间中的非凸多目标优化问题,基于Mordukhovich极限次微分定义新的帕累托临界点,建立必要最优性条件,并据此提出改进的向量近端点算法,给出详细收敛性分析,显著扩展了已有研究。
2024-03-14 math.OC
Second-order Methods for Multiobjective Composite Optimization: Preconditioning Strategies, Subspace Variants and Inexact Solutions
College of Mathematics, Sichuan University(四川大学数学学院);National Center for Applied Mathematics in Chongqing, Chongqing Normal University(重庆师范大学应用数学重庆中心)
针对多目标复合优化中光滑分量病态条件导致的收敛慢问题,提出预条件近端Barzilai-Borwein方法,结合目标间Barzilai-Borwein缩放与公共预条件子,并发展子空间变体及不精确版本,在非凸设定下证明全局收敛和线性收敛率。
2026-06-26 math.OC
Inertial dynamics with vanishing Tikhonov regularization for multiobjective optimization
本文提出一种带消失阻尼和Tikhonov正则化的二阶动力系统解决多目标优化问题,证明了解的存在性与快速收敛性,并扩展了单目标优化理论,为快速梯度及近端点方法奠定基础。
2025-06-27 math.OC
LibMOON: A Gradient-based MultiObjective OptimizatioN Library in PyTorch
CityUHK(香港城市大学);HKBU(香港浸会大学);UIUC(伊利诺伊大学厄巴纳-香槟分校)
针对现有 MOPs 基准库依赖零阶进化算法且无法扩展至大规模模型的问题,本文提出首个支持最先进基于梯度方法的多目标优化库 LibMOON,提供公平基准并开源。
2024-10-11 cs.LG cs.MS math.OC
A proximal subgradient algorithm for constrained multiobjective DC-type optimization
Hanoi Pedagogical University 2(河内第二师范大學);RMIT University(皇家墨尔本理工大学)
本文提出了一种近端subgradient算法,用于解决受约束的多目标DC型优化问题,通过建立最优性条件并保证序列有界性,实现了对非凸问题的有效求解。
2026-09-04 math.OC
Multiobjective Optimal Control Methods for Fluid Flow Using Reduced Order Modeling
在广泛的应用中,期望相对于并发的、潜在竞争的目标来最优地控制动力系统。这就产生了一个多目标最优控制的问题,而不是计算一个单一的最优解,最优的妥协,所谓的帕累托集,必须近似。当所考虑的问题是由一个偏微分方程(PDE)描述,是流体流动的情况下,计算成本迅速增加,使其直接处理不可行。降阶建模是一种非常流行的方法,以减少计算成本,特别是在多查询上下文中,如不确定性量化,参数估计或优化。在这篇文章中,我们展示了如何结合降阶建模和多目标最优控制技术,以有效地解决多目标最优控制问题的约束偏微分方程。我们考虑一个全球性的,导数自由的最优化方法,以及一个本地的,梯度为基础的方法,最优性系统推导出两种不同的方式。的方法进行比较方面的解决方案的质量,以及计算工作量,并说明了它们使用的例子的二维不可压缩绕流圆柱。
2016-09-15 math.OC
Smoothing Accelerated Proximal Gradient Method with Fast Convergence Rate for Nonsmooth Multi-objective Optimization
本文提出带外推项的平滑加速近端梯度法(SAPGM)求解非光滑多目标优化,通过引入特定外推项将收敛速率提升至 $o(\ln^σk/k)$,并证明迭代序列收敛到Pareto最优解,数值实验验证了方法有效性。
2024-10-18 math.OC
Efficient search strategies for constrained multiobjective blackbox optimization
本文针对无导数的多目标黑盒优化问题,将基于二次代理模型和Nelder-Mead采样的两种启发式搜索策略整合至DMulti-MADS算法中,计算实验证明该策略显著提升了算法性能。
2025-04-03 math.OC
Convergence rates of proximal gradient methods via the convex conjugate
给出了复合凸极小化问题的邻近梯度法和加速邻近梯度法的$O(1/k)$和$O(1/k^2)$收敛速度的新证明。新证明的关键是通过目标函数的凸共轭构造一个上界。
2018-01-09 math.OC
A unified framework for inexact adaptive stepsizes in the gradient methods, the conjugate gradient methods and the quasi-Newton methods for strictly convex quadratic optimization
School of Mathematics and Statistics, Guizhou University(贵州大学数学与统计学院)
本文提出了一种统一框架,用于梯度法、共轭梯度法和拟牛顿法在严格凸二次优化中的不精确自适应步长,分析了其全局收敛性及收敛速率,并通过数值结果验证了其有效性。
2026-04-22 math.OC
Conjugate Gradient Algorithm for Solving a Optimal Multiply Control Problem on a System of Partial Differential Equations
发展了求解多重控制偏微分系统的共轭梯度法。给出了一些数值结果。同时,我也解释了为什么对一个偏微分方程系统进行控制是必要的。
2014-11-23 math.OC
An optimization derivation of the method of conjugate gradients
我们给出了共轭梯度法的一个推导过程,其前提是每个共轭梯度最小化由先前观测到的梯度所张成的空间上的一个严格凸二次曲面。而不是验证搜索方向具有正确的属性,我们表明,这种迭代的产生是等价于产生正交梯度的方向和步长的描述。我们的方法给出了一个简单的方式来看到,共轭梯度法的搜索方向是一个负标量倍的梯度上的仿射跨度的迭代生成到目前为止的最小欧几里德范数。
2021-04-01 math.OC
A nonlinear conjugate gradient method with complexity guarantees and its application to nonconvex regression
非线性共轭梯度法是求解连续最优化问题最常用的方法之一。虽然这些计划长期以来一直从整体收敛的角度进行研究,其最坏情况下的复杂性尚未得到充分理解,特别是在非凸设置。特别是,目前还不清楚非线性共轭梯度法是否比一阶方法(如梯度下降)具有更好的保证。与此同时,最近的实验表明,令人印象深刻的性能标准的非线性共轭梯度技术在某些非凸问题,即使与方法相比,赋予最知名的复杂性保证。在本文中,我们提出了一个非线性共轭梯度法的基础上,一个简单的线搜索范式和修改的重新开始条件。这两个成分允许监视搜索方向的属性,这有助于获得复杂性保证。我们的复杂性结果说明了非线性共轭梯度法和经典梯度下降法之间可能存在的差异。非凸鲁棒回归问题的数值研究以及标准基准测试表明,重新启动条件可以跟踪标准实现的行为。
2022-08-31 math.OC
Barzilai-Borwein Diagonal Quasi-Newton Method for Nonconvex Multiobjective Optimization Problems
National Center for Applied Mathematics in Chongqing, Chongqing Normal University(重庆应用数学中心,重庆师范大学)
本文提出改进的Barzilai-Borwein对角型Quasi-Newton方法,用于解决非凸多目标优化问题,通过共享矩阵提高效率并保证收敛性。
2026-08-04 math.OC
A Dai-Yuan-type Riemannian conjugate gradient method with the weak Wolfe conditions
本文提出了一种新的黎曼共轭梯度法,并给出了整体收敛性分析。现有的Fletcher-Reeves型黎曼共轭梯度法在强Wolfe条件下保证全局收敛.另一方面,戴元型欧氏共轭梯度法在弱Wolfe条件下产生全局收敛序列.本文将戴元的欧几里德算法推广到只需要弱Wolfe条件的黎曼算法。通过与微分收缩相关联的尺度矢量输运证明了该方法的整体收敛性质。数值实验结果表明了该算法的有效性。
2016-06-17 math.OC
The error accumulation in the conjugate gradient method for degenerate problem
这是文章arXiv的预印本:2004.10242
2020-04-23 math.OC
Riemannian conjugate gradient methods: General framework and specific algorithms with convergence analyses
提出了一种新的黎曼共轭梯度法的一般框架,即黎曼流形上的共轭梯度法。共轭梯度法是欧几里得空间和黎曼流形上重要的一阶优化算法。虽然各种类型的共轭梯度法在欧几里得空间中得到了研究,但在黎曼流形上的研究较少。在黎曼共轭梯度法的每次迭代中,前一个搜索方向必须被转移到当前切空间,以便它可以被添加到当前点处目标函数的负梯度上。将一个切向量转移到另一个切空间有几种方法。因此,黎曼共轭梯度法的变体比欧几里德的情况更多。为了更详细地研究它们,所提出的框架统一了现有的黎曼共轭梯度法,如利用矢量传输或逆收缩,还开发了其他方法,还没有被覆盖在以前的研究。此外,阐明了在所提出的框架中的一类算法的收敛性的充分条件。此外,对几种具体类型的算法的整体收敛性质进行了广泛的分析。分析提供了一些算法的理论结果,在一个更一般的设置比现有的研究和完全新的发展,为其他算法。数值实验验证了理论结果的正确性。结果还比较了几个具体的算法在所提出的框架的性能。
2021-12-05 math.OC
A self-adaptive subgradient extragradient method with conjugate gradient-type direction for pseudomonotone variational inequalities
本文提出一种带共轭梯度型方向的自适应次梯度外梯度算法,用于求解Hilbert空间中的伪单调变分不等式,无需已知Lipschitz常数,并证明了强收敛性及数值有效性。
2025-05-06 math.OC
A scaled conjugate gradient based direct search algorithm for high dimensional box constrained derivative free optimization
在这项工作中,我们提出了一个有效的方法来解决盒约束导数自由最优化问题涉及高维。所提出的方法依赖于探索可行域使用直接搜索方法的基础上缩放共轭梯度与二次插值模型。对不同维数的试验问题进行了大量的数值计算,结果表明所提出的无导数优化方法具有良好的性能。
2019-01-16 math.OC
Nonlinear Conjugate Gradient Methods for PDE Constrained Shape Optimization Based on Steklov-Poincaré-Type Metrics
Fraunhofer ITWM(弗劳恩霍夫工业数学研究所);TU Kaiserslautern(凯泽斯劳滕工业大学)
本文提出基于 Steklov-Poincaré 型度量的非线性共轭梯度法,用于求解偏微分方程约束的形状优化问题,数值实验表明该方法是对现有梯度优化算法的有效补充。
2021-07-07 math.OC