论文部分内容阅读
本文研究了求解奇异非线性方程组的新的Levenberg-Marquardt方法及其收敛性。 非线性方程组问题和非线性最小二乘问题在最优化方向上是一个非常重要的研究课题,大量出现在工程技术和科学实验之中.在物理、化学、生物、工程、航空、机械以及经济规划、生产管理、通讯、交通运输等众多领域都有着极其广泛的应用.另外,它与优化中其它问题也有着密切的联系。 Levenberg-Marquardt方法是求解非线性方程组的最重要的算法之一。Yamashita和Fukushima[31]提出,在弱于非奇异条件的局部误差界条件下,如果选取的迭代参数μk为||F(xk)||2时,则Levenberg-Marquardt方法产生的迭代点列二阶收敛于方程组的解集,但是这样的参数选取有一些不足之处:若产生的点列靠近解集时,μk=||F(xk)||2可能比机器的精度要小很多,此时参数就会失去它的意义.反之,若点列远离解集时,μk=||F(xk)||2可能非常大,以致于当前的步长dk很小,从而阻止了点列的快速收敛性.因此Fan和Yuan在[5]中提出了另一种参数的选法,即μk选为||F(xk)||δ,δ∈[1,2],并用另一种方法证明了Levenberg-Marquardt方法仍具有二阶收敛性。 在本文中,我们针对奇异非线性方程组给出了Levenberg-Marquardt方法新的参数迭代方法,取μk为||F(xk)||2和||F(xk)||的一个凸组合,即μk=θk||F(xk)||2+(1-θ)||F(xk)||,θk∈[0,1],分别将它与线搜索技术和信赖域技术进行了一定的结合,给出了相应的算法.我们也证明了在弱于非奇异条件的局部误差界条件下,新的Levenberg-Marquardt方法仍具有局部二次收敛性并分析了其全局收敛性.最后数值试验表明算法是很有效的。