有许多可用的非线性共轭梯度方法变体(Flatcher-Reeves、Polak-Rebiere、Dai-Yuan)。在二次函数最小化的情况下,当第一个搜索方向选择为负梯度时,所有这些算法都是等价的并且具有有限终止特性。
然而,在第一个搜索方向是任意的(不等于最速下降方向)的情况下,所有这些算法都不再等价了。此外,它们的收敛特性也各不相同。我很想知道在这种情况下有限终止属性会发生什么?特别是在这种情况下,哪些非线性CG仍然具有有限终止特性。
有许多可用的非线性共轭梯度方法变体(Flatcher-Reeves、Polak-Rebiere、Dai-Yuan)。在二次函数最小化的情况下,当第一个搜索方向选择为负梯度时,所有这些算法都是等价的并且具有有限终止特性。
然而,在第一个搜索方向是任意的(不等于最速下降方向)的情况下,所有这些算法都不再等价了。此外,它们的收敛特性也各不相同。我很想知道在这种情况下有限终止属性会发生什么?特别是在这种情况下,哪些非线性CG仍然具有有限终止特性。