一类具有n+1个参数的变测度算法

在优化技术中,变测度算法是近年来常用的一种方法.设x∈E~n,f(x)是要求最小点的目标函数,g(x)=▽f(x)是f(x)在点x上的梯度向量,r_0为一初始点,而H_0是一给定的方阵,则变测度算法的第k步迭代可以描述如下:假定x_k是f(x)的最小点x~*的k次近似,H_k为一方阵,x_k与H_k都由前一次迭代确定(当k=0时它们是给定的).今取—H_(kgk)~T为搜索方向,这里gk=g(x_k).用x_k 1表示f(x)