A retrospective trust-region method for unconstrained optimization

Fabian Bastin, Vincent Malmedy, Philippe Toint, Dimitri Tomanos, Mélodie Mouffe

Résultats de recherche: Contribution à un journal/une revueArticleRevue par des pairs

20 Téléchargements (Pure)

Résumé

We introduce a new trust-region method for unconstrained optimization where the radius update is computed using the model information at the current iterate rather than at the preceding one. The update is then performed according to how well the current model retrospectively predicts the value of the objective function at last iterate. Global convergence to first- and second-order critical points is proved under classical assumptions and preliminary numerical experiments on CUTEr problems indicate that the new method is very competitive. © 2008 Springer-Verlag.
langue originaleAnglais
Pages (de - à)395-418
Nombre de pages24
journalMathematical Programming
Volume123
Numéro de publication2
Les DOIs
Etat de la publicationPublié - 1 juin 2010

Empreinte digitale Examiner les sujets de recherche de « A retrospective trust-region method for unconstrained optimization ». Ensemble, ils forment une empreinte digitale unique.

Contient cette citation