一种无约束全局优化的水平值下降算法
彭拯[1,2] 张海东[2] 邬冬华[2]
[1]湖南理工学院数学系,湖南岳阳414006 [2]上海大学数学系,上海200444
摘 要:
本文研究无约束全局优化问题，建立了一种新的水平值下降算法（Level—value Descent Method，LDM）．讨论并建立了概率意义下取全局最小值的一个充分必要条件，证明了算法LDM是依概率测度收敛的．这种LDM算法是基于重点度取样（Improtance Sampling）和Markov链Monte—Carlo随机模拟实现的，并利用相对熵方法（TheCross—Entropy Method）自动更新取样密度，算例表明LDM算法具有较高的数值精度和较好的全局收敛性， (共7页)
相关期刊
关注本文的人:
看过本文的人还看过:
cqvip.com