Vše

Co hledáte?

Vše
Projekty
Výsledky výzkumu
Subjekty

Rychlé hledání

  • Projekty podpořené TA ČR
  • Významné projekty
  • Projekty s nejvyšší státní podporou
  • Aktuálně běžící projekty

Chytré vyhledávání

  • Takto najdu konkrétní +slovo
  • Takto z výsledků -slovo zcela vynechám
  • “Takto můžu najít celou frázi”

A Generalized Limited-Memory BNS Method Based on the Block BFGS Update

Identifikátory výsledku

  • Kód výsledku v IS VaVaI

    <a href="https://www.isvavai.cz/riv?ss=detail&h=RIV%2F67985807%3A_____%2F17%3A00476437" target="_blank" >RIV/67985807:_____/17:00476437 - isvavai.cz</a>

  • Výsledek na webu

    <a href="http://dml.cz/handle/10338.dmlcz/703010" target="_blank" >http://dml.cz/handle/10338.dmlcz/703010</a>

  • DOI - Digital Object Identifier

    <a href="http://dx.doi.org/10.21136/panm.2016.19" target="_blank" >10.21136/panm.2016.19</a>

Alternativní jazyky

  • Jazyk výsledku

    angličtina

  • Název v původním jazyce

    A Generalized Limited-Memory BNS Method Based on the Block BFGS Update

  • Popis výsledku v původním jazyce

    A block version of the BFGS variable metric update formula is investigated. It satisfies the quasi-Newton conditions with all used difference vectors and gives the best improvement of convergence in some sense for quadratic objective functions, but it does not guarantee that the direction vectors are descent for general functions. To overcome this difficulty and utilize the advantageous properties of the block BFGS update, a block version of the limited-memory BNS method for large scale unconstrained optimization is proposed. The algorithm is globally convergent for convex sufficiently smooth functions and our numerical experiments indicate its efficiency.

  • Název v anglickém jazyce

    A Generalized Limited-Memory BNS Method Based on the Block BFGS Update

  • Popis výsledku anglicky

    A block version of the BFGS variable metric update formula is investigated. It satisfies the quasi-Newton conditions with all used difference vectors and gives the best improvement of convergence in some sense for quadratic objective functions, but it does not guarantee that the direction vectors are descent for general functions. To overcome this difficulty and utilize the advantageous properties of the block BFGS update, a block version of the limited-memory BNS method for large scale unconstrained optimization is proposed. The algorithm is globally convergent for convex sufficiently smooth functions and our numerical experiments indicate its efficiency.

Klasifikace

  • Druh

    D - Stať ve sborníku

  • CEP obor

  • OECD FORD obor

    10102 - Applied mathematics

Návaznosti výsledku

  • Projekt

    <a href="/cs/project/GA13-06684S" target="_blank" >GA13-06684S: Iterační metody ve výpočetní matematice: Analýza, předpodmínění a aplikace</a><br>

  • Návaznosti

    P - Projekt vyzkumu a vyvoje financovany z verejnych zdroju (s odkazem do CEP)

Ostatní

  • Rok uplatnění

    2017

  • Kód důvěrnosti údajů

    S - Úplné a pravdivé údaje o projektu nepodléhají ochraně podle zvláštních právních předpisů

Údaje specifické pro druh výsledku

  • Název statě ve sborníku

    Programs and algorithms of numerical mathematics 18

  • ISBN

    978-80-85823-67-7

  • ISSN

  • e-ISSN

  • Počet stran výsledku

    8

  • Strana od-do

    164-171

  • Název nakladatele

    Institute of Mathematics CAS

  • Místo vydání

    Prague

  • Místo konání akce

    Janov nad Nisou

  • Datum konání akce

    19. 6. 2016

  • Typ akce podle státní příslušnosti

    WRD - Celosvětová akce

  • Kód UT WoS článku

    000467646600019