.png){kind=icon}
返回
An adaptive combined conjugate gradient method for multiobjective optimization problems beyond convexity
.png){kind=icon}
PRE
AI
DOI：10.1007/s11075-025-02278-4.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
本文提出了一种新颖的自适应组合共轭梯度（CCG）方法用于求解多目标优化问题（MOPs），其中所有梯度的组合系数自适应更新。CCG方法中的搜索方向仅由所涉及函数的梯度信息和共轭项决定，且已被证明满足下降条件和充分下降条件。在若干适当假设下，建立了采用Wolfe-like线搜索的CCG方法的全局收敛性。我们进一步证明了，由CCG方法产生的迭代序列在无凸性假设下可弱收敛于某个Pareto临界点。作为特例，在温和条件下，推导出了采用特殊共轭参数（如FR、CD、DY和修正DY参数）的CCG方法的全局收敛性。数值实验验证了CCG方法的有效性和优越性，特别是在生成Pareto前沿方面的能力。此外，数值结果验证了所提方法在处理高维MOPs时的有效性。
Keyword:
Multiobjective optimization
Combined conjugate gradient method
Pareto critical point
Global convergence
Sufficient descent condition
期刊
N
IF:
2
论文数:
185
被引数:
5.5K
机构
引用论文
.png){kind=icon}
分享收藏
查看更多内容