The global convergence of spectral RMIL conjugate gradient method for unconstrained optimization with applications to robotic model and image recovery

บทความในวารสาร

ผู้เขียน/บรรณาธิการ

กลุ่มสาขาการวิจัยเชิงกลยุทธ์

รายละเอียดสำหรับงานพิมพ์

รายชื่อผู้แต่ง: Nasiru Salihu; Poom Kumam; Aliyu Muhammed Awwal; Ibrahim Mohammed Sulaiman; Thidaporn Seangwattana;

ผู้เผยแพร่: Naramgari Sandeep, Central University of Karnataka, INDIA

ปีที่เผยแพร่ (ค.ศ.): 2023

Volume number: 18

Issue number: 3

นอก: 19326203

URL: https://www.scopus.com/inward/record.uri?eid=2-s2.0-85150280453&doi=10.1371%2fjournal.pone.0281250&partnerID=40&md5=6efebfa70d5f1ab9a5f500c4e0500030

ภาษา: English-Great Britain (EN-GB)

ดูในเว็บของวิทยาศาสตร์ | ดูบนเว็บไซต์ของสำนักพิมพ์ | บทความในเว็บของวิทยาศาสตร์

บทคัดย่อ

In 2012, Rivaie et al. introduced RMIL conjugate gradient (CG) method which is globally convergent under the exact line search. Later, Dai (2016) pointed out abnormality in the convergence result and thus, imposed certain restricted RMIL CG parameter as a remedy. In this paper, we suggest an efficient RMIL spectral CG method. The remarkable feature of this method is that, the convergence result is free from additional condition usually imposed on RMIL. Subsequently, the search direction is sufficiently descent independent of any line search technique. Thus, numerical experiments on some set of benchmark problems indicate that the method is promising and efficient. Furthermore, the efficiency of the proposed method is demonstrated on applications arising from arm robotic model and image restoration problems. Copyright: © 2023 Salihu et al.

คำสำคัญ

ไม่พบข้อมูลที่เกี่ยวข้อง