Shifted Limited-Memory Variable Metric Methods for Large-Scale Unconstrained Optimization

0405316 - UIVT-O 330687 RIV NL eng J - Journal Article
Vlček, Jan - Lukšan, Ladislav
Shifted Limited-Memory Variable Metric Methods for Large-Scale Unconstrained Optimization.
[Posunuté metody s proměnnou metrikou s omezenou pamětí pro velkou řídkou neomezenou optimalizaci.]
Journal of Computational and Applied Mathematics. Roč. 186, č. 2 (2006), s. 365-390. ISSN 0377-0427. E-ISSN 1879-1778
R&D Projects: GA AV ČR IAA1030405
Institutional research plan: CEZ:AV0Z10300504
Keywords : unconstrained minimization * variable metric methods * limited-memory methods * global convergence * numerical results
Subject RIV: BA - General Mathematics
Impact factor: 0.759, year: 2006

A new family of numerically effcient full-memory variable metric or quasi-Newton methods for unconstrained minimization is given, which give simple possibility to derive related limited-memory methods. Global convergence of the methods can be established for convex sufficiently smooth functions. Numerical experience by comparison with standard methods is encouraging.

Je dána nová třída numericky efektivních metod s proměnnou metrikou nebo quasi-Newtonovských metod pro neomezenou minimalizaci, což dává jednoduchou možnost odvodit příslušné metody s omezenou pamětí. Globální konvergenci metod lze zajistit pro konvexní dostatečně hladké funkce. Numerické výsledky a porovnání se standardními metodami jsou uvedeny.
Permanent Link: http://hdl.handle.net/11104/0125489