大角度立体像对相对定向的混合共轭梯度算法

P237; 无初值依赖的快速收敛是大角度相对定向解算的关键所在.为此,本文提出一种混合共轭梯度算法,具体过程是:①采用随机爬山算法对给定的相对定向元素初值进行随机扰动,产生保证优化方向的初值;②局部优化中以超线性收敛的共轭梯度法取代相对定向中的最速下降法,以提高其收敛速度;③全局收敛条件为计算误差小于规定的限差.对比试验表明,混合共轭梯度算法无初值依赖性,具有较高的解算精度和较少的迭代次数....

Full description

Saved in:
Bibliographic Details
Published in:测绘学报 2019-03, Vol.48 (3), p.322-329
Main Authors: 李佳田, 王聪聪, 贾成林, 牛一如, 王瑜, 张文靖, 吴华静, 李键
Format: Article
Language:Chinese
Online Access:Get full text
Tags: Add Tag
No Tags, Be the first to tag this record!
Description
Summary:P237; 无初值依赖的快速收敛是大角度相对定向解算的关键所在.为此,本文提出一种混合共轭梯度算法,具体过程是:①采用随机爬山算法对给定的相对定向元素初值进行随机扰动,产生保证优化方向的初值;②局部优化中以超线性收敛的共轭梯度法取代相对定向中的最速下降法,以提高其收敛速度;③全局收敛条件为计算误差小于规定的限差.对比试验表明,混合共轭梯度算法无初值依赖性,具有较高的解算精度和较少的迭代次数.
ISSN:1001-1595
DOI:10.11947/j.AGCS.2019.20170672