摘要
作为经典的凸优化算法,梯度下降法结合分数阶微积分理论,延伸出分数阶梯度下降法.与常规梯度下降法相比,阶次大于1的分数阶梯度下降法收敛速度快但是收敛精度低;而阶次小于1的分数阶梯度下降法收敛精度高但是收敛速度慢.为结合不同阶次分数阶梯度下降法的优点,解决收敛速度、收敛精度之间不可兼得的矛盾,结合已有的研究,为得到更好的优化算法性能,提出了三种改进的变阶次分数阶梯度下降法,并且通过典型算例验证了相关结论.
基金项目
国家自然科学基金(U1934201)
国家自然科学基金(11772206)
石家庄铁道大学研究生创新项目(YC2020036)
NETL
NSTL
维普
万方数据