@Article{, title={A New Hybrid of DY and CGSD Conjugate Gradient Methods for Solving Unconstrained Optimization Problems تهجين طريقة جديدة للتدرج المترافق لـكل من DY و CGSD باستخدام طريقة اتجاه نيوتن}, author={Iman Khalid Jamalaldeen ايمان خالد جمال الدين and Zeyad Mohammed Abdullah , زياد محمد عبدالله ،}, journal={Tikrit Journal of Pure Science مجلة تكريت للعلوم الصرفة}, volume={26}, number={5}, pages={86-91}, year={2021}, abstract={In this article, we present a new hybrid conjugate gradient method for solving large Scale in unconstrained optimization problems. This method is a convex combination of Dai-Yuan conjugate gradient and Andrei- sufficient descent condition, satisfies the famous D-L conjugacy condition and in the same time solidarities with the newton direction with the suitable condition. The suggestion method always yields a descent search direction at each it iteration. Under strong wolfe powell(SWP) line search condition, the direction satisfy the global convergence of the proposed method is established. Finally, the results we achieved are good and it is show that our method is forceful and effective.

قدمنا في هذا البحث طريقة جديدة للتدرج المترافق الهجينة لحل مسائل الابعاد الكبيرة في الامثلية اللاخطية غير المقيدة. وهذه الطريقة عبارة عن مزيج محدب من التدرج المترافق بين Dai-Yuan وAndrei-sufficient descent condition، وهذه الخوارزمية الجديدة تفي بتحقيق شرط اقتران D-L الشهير، وباستخدام صيغة اتجاه نيوتن ينتج ان الطريقة الجديدة تولد دائمًا اتجاه بحث منحدر كاف عند كل تكرار له. وبتقارب شامل باستخدام شرط وولف القوي (SWP) ، وأخيرًا تم تطبيق هذه الخوارزمية الجديدة على مجموعة من الدوال الاختبار للأمثلية اللاخطية غير المقيدة المعروفة في هذا المجال لغرض تقييم كفاءة هذه الخوارزمية بمقارنة نتائجها بنتائج الخوارزميات الاساسية ، والتي اظهرت النتائج التي حققناها جيدة وان طريقتنا هذه قوية وفعالة} }