1. 引言
自共轭梯度法被提出以来,因其具有良好的收敛性质,且所需存储量小,因此被广泛用于求解大规模无约束优化问题。
共轭梯度法的基本迭代格式如下:
,
,
其中
为步长因子,由某种线搜索确定;
为搜索方向,
为共轭参数,
。
共轭参数
的经典选取方式有Fletcher-Reeves [1],Polak-Ribière-Polyak [2],Hestenes-Stiefel [3],Dai-Yuan [4],Conjugate Descent [5],Liu-Storey [6] 六种,其具体表达式如下:
,
,
,
,
,
.
其中
表示Euclidean范数,
。由于分子不同,可将这六种经典的共轭梯度法分为两类。第一类如FR、CD和DY方法,其共轭参数
有共同的分子
,虽然它们具有良好的全局收敛性,但数值表现一般;第二类如PRP、HS和LS方法,其共轭参数
有共同的分子
,虽然它们拥有良好的数值表现,但对全局收敛的条件要求较强。为得到数值实验和理论结果都较好的共轭梯度法,许多学者对这些经典方法做了修正 [7] [8] [9] [10]。
2007年,Zhang等人在 [11] [12] [13] 的基础上,提出了三阶HS共轭梯度法 [14],即TTHS方法,搜索方向
的取法如下:
,
.
该方法的优点在于:生成的搜索方向
总满足
,即不依赖任何线搜索而具有充分下降性。为了得到TTHS方法在标准Wolf线搜索下的全局收敛性,Zhang等人提出了以下两种算法。一种是截断TTHS方法(CTTHS方法):
其中
和
是任意正常数。另一种是改进的TTHS方法(MTTHS方法):
其中
,
,
.
t和
为任意正常数,
,
。
为保证MTTHS方法在修改的Armijo线搜索下的全局收敛性,考虑做如下修改:
其中
,
,
,
其中
,
,
,
.
1990年,Touati-Ahmed和Storey首次引入了杂交共轭梯度法 [15],其共轭参数
的取法为:
,杂交共轭梯度法的提出,使得共轭梯度法的理论性质和数值试验都表现得更佳。随后,许多学者对杂交共轭梯度法做了进一步研究,见文献 [16] [17]。
在杂交共轭梯度法的启发下,本文考虑杂交三项HS-PRP共轭梯度法:
其中
,
,
.
其中
,
,
,
为任意正常数。
我们注意到,上述共轭梯度法旨在求解无约束优化问题,该方法并不适合直接用于求解约束优化问题。2021年,Zhou提出了一种求解凸约束优化问题的投影PRP方法 [18],利用投影的性质证明了该算法在修改的Armijo线搜索下具有全局收敛性。本文的目的是推广杂交三阶HS-PRP共轭梯度法求解凸约束优化问题,并证明该算法在修改的Armijo线搜索下的全局收敛性。
本文其余部分组织如下:第二部分详细介绍了求解凸约束优化问题的杂交三阶投影HS-PRP共轭梯度法;第三部分证明该算法的全局收敛性;第四部分给出数值实验结果。
2. 杂交三阶投影HS-PRP共轭梯度法
本文的目的是推广求解无约束优化问题的杂交三阶HS-PRP共轭梯度法用于求解以下凸约束优化问题:
. (1)
其中
是闭凸集,
为
的光滑函数。显然,若
是问题(1)的局部极小点,那么
一定是满足定义2.1的稳定点。
定义2.1.
是问题(1)的稳定点当且仅当:
,
。
定义2.2. 从
到闭凸集
的投影算子为:
. (2)
令
. (3)
显然,
是问题(1)的稳定点当且仅当
。
算法1. (杂交三阶投影HS-PRP方法)
步0. 取初始点
,
,
,
,
。选取一个正序列
满足:
。令
,
. (4)
步1. 若
, 则停止计算;否则,转步2。
步2. 按如下公式计算
(5)
其中
,
,
. (6)
其中
,
,
. (7)
步3. 计算
满足:
, (8)
其中
。
步4. 令
,
,
,转步1。
注2.2.
1) 由(3)可知,若
,则
,则
是问题(1)的稳定点;
2) 若
,则
,这也就意味着
是问题(1)的稳定点;
3) 由
的定义可知:
; (9)
4) 由投影算子的连续性和
可知线搜索(8)对任意充分小的
都成立。线搜索(8)来自文献 [19]。
接下来我们将介绍投影算子的一些重要性质,这些性质对我们后面证明该算法的全局收敛性非常有用。引理2.3和引理2.4来自文献 [20]。
引理2.3. 若
,则有:
, (10)
, (11)
引理2.4. 对任意
,
在
上非增。
引理2.5. 对任意
。有:
, (12)
证明:由(10)和
可知:
证毕。
3. 全局收敛性
在这一部分,我们将讨论算法1在以下假设条件下的全局收敛性。首先,我们定义水平集:
, (13)
其中
满足(4)。显然
对任意
都成立。
假设A.
1) 由(13)定义的水平集
是有界的;
2) 存在
的某些凸邻域N,使得梯度函数
在
上Lipschitz连续,即存在常数
,使得:
(14)
由假设A可知存在常数
,使得:
(15)
显然,由线搜索(8)和(4)我们可以得到:
(16)
引理3.1. 设
是由算法1产生的序列且假设A成立,则对任意的
,有:
. (17)
. (18)
由(18)可知:
。
引理3.2. 若假设A成立,则存在常数
使得:
. (19)
证明:由(5)、(6)、(15)、(17)、(18)可知:
令
即得(19),证毕。
定理3.3. 设
是由算法1产生的序列且假设A成立,则有:
. (20)
证明:反证法,假设结论不成立,则存在常数
使得:
. (21)
由(21)可知存在常数
,使得:
. (22)
否则存在无限子集
使得:
. (23)
最后一个不等式由(11)和
可得,因此上式与(21)矛盾,即(22)成立。
1) 若
,由(9)和(16)可得:
。这与(22)式矛盾。
2) 若
,则存在
不满足不等式(8),即:
. (24)
由拉格朗日中值定理和引理2.5可得:
其中
介于
和
之间。上述不等式结合(24)可得:
. (25)
由(11)和(15)可得:
由(5)、(6)、(11)、(15)、(17)、(22)以及
可得:
(26)
因此,由
的连续性和
以及(26)可知:
。
由(3)、(19)、(25),引理2.4以及
,我们可以得到:
.
这与(21)矛盾,证毕。
4. 数值实验
在这一部分我们将通过数值实验来验证本文所提出算法的有效性。实验测试在PC机上完成,PC机配置:联想,Intel(R) Core(TM) i7-8700 CPU @ 3.20GHz 3.19GHz,8Gb内存,Windows10操作系统,所有代码用Matlab R2016b编写并运行。
测试对象:函数来自文献 [18],表达式如下:
.
约束集
,其中
为任意常数。
令
。
测试参数:
,
,
,
,
。
初始点:
。
终止条件:迭代次数
或
,其中
表示迭代终止时
的无穷范数。
采用本文提出的算法与Zhou在文献 [18] 中提出的投影PRP算法求解上述测试问题,分别记为算法1和算法2,测试结果见表1和表2。
Table 1. Test function with γ = ( 1 , 2 , ⋯ , n − 1 ) T
表1. 测试函数中
Table 2. Test function with γ = 1 n ( 1 2 , 2 2 , ⋯ , ( n − 1 ) 2 ) T
表2. 测试函数中
由表1和表2的数据我们可以知道,在迭代次数和运行时间两个方面,本文提出的算法优于 [18] 提出的投影PRP方法。
5. 结束语
本文提出了一种求解凸约束优化问题的杂交三阶投影HS-PRP共轭梯度法,它是求解无约束优化问题的共轭梯度法的推广。利用投影的相关性质,我们证明了该算法在修改的Armijo线搜索下的全局收敛性。数值结果表明,本文所提出的算法较投影PRP算法更优。
参考文献