离散半无限极大极小问题一个推广的模松弛SQP算法(英文)

将求解半无限规划离散化问题的一个可行模松弛SQP算法推广到离散的半无限极大极小问题,提出一个全局收敛的模松弛SQP算法.算法要求迭代点可行,且每次迭代只需求解一个二次规划(QP)子问题即可获得搜索方向.通过修正其离散指标集,使得每次迭代求解QP子问题时只需利用一小部分离散指标即可,这大大降低了计算成本.在合适的条件下,可证明算法具有全局收敛性.     

非线性等式与不等式优化问题的一个新的SQP算法

针对非线性优化问题，提出了一种新的SQP算法．其特点为：每次迭代只需求解一个二次规划；算法能自动产生一个校正方向，从而避免Maxatos效应；在一定条件下算法具有全局收敛性和超线性收敛性。     

解变分不等式问题的一类滤子SQP算法

针对一般形式的变分不等式问题,考虑将其转化为约束优化问题求解.对于这种特定的约束优化问题,提出了一类新的滤子序列二次规划(SQP)求解方法.基于变分不等式与约束优化问题的不同,在滤子条件中采用了一个二次价值函数作为目标函数,使得一般的变分不等式问题均可用滤子算法求解.采用SQP方法结合滤子方法获取试探步,只需要计算两个简单不等式判断试探步,算法易实现,计算量小.在较弱的条件下证明了算法的全局收敛性.最后,给出了算法的数值算例,与同类算法比较,结果良好.     

SQP 优化的最大似然波达方向角估计

为快速实现波达方向角( DOA: Direction Of Arrival) 的精确估计, 提出了应用序列二次规划( SQP:Sequence Quadratic Program)的最大似然DOA 估计算法。给出了用于DOA 估计的最大似然函数, 将参数估计问题转化为非线性函数优化问题; 并利用SQP 优化算法对似然函数的求解进行优化, 得到DOA 的估计值。仿真结果表明, 该算法可用较少的计算时间实现对似然函数的优化求解, 同时保留了最大似然估计的渐进无偏估计性能, 与遗传算法、粒子群算法相比, 不仅具有更快的寻优速度, 而且具有更高的收敛精度。     

利用优化方法求解线性鉴别方程

该文采用序列二次规划（SQP）方法求解Fisher鉴别准则模型。介绍了几种优化技术及算法后,分析序列二次规划（SQP）方法相对于线性鉴别准则模型一般求解方法的高效性优点,并结合MATLAB中的优化工具,应用二次规划方法求解Fisher鉴别准则模型,实现两类（人脸图像）问题的分类。该文研究和实现是对Fisher鉴别准则模型解法的新尝试和贡献。     

一个可行模松弛SQP方法及其全局收敛性

提出一个处理不等式约束优化问题的可行模松弛SQP算法,每次迭代只需求解一个二次规划子问题.无需对迭代序列进行有界假设,采用线性搜索,在一些微弱假设条件下,证得了算法具有全局收敛性质.     

半无限极大极小离散化问题的一个非单调SQCQP算法

针对序列二次规划(SQP)算法在处理结构复杂、 非线性程度较大的半无限极大极小离散化问题时计算效率较低的不足, 提出一种非单调序列二次约束二次规划(SQCQP)算法, 并在适当的条件下证明算法的收敛性. 数值实验结果表明, 在离散水平为100的情形下, 非单调类SQCQP算法在减少迭代次数和计算时间等方面均优于SQP算法.     

求解非线性优化问题的Filter方法

序列二次规划是目前求解非线性规划约束问题的最有效的方法,但一般都采用罚函数法进行线性搜索,这使得它有很大的局限性,为了克服罚函数法存在的缺点,R.Fletcher和S.Leyff提出了一种filter方法取代了罚函数法,使迭代点能够保证目标函数或约束函数充分下降,理论分析和数值实验均表明,该方法优于传统的SQP算法。     

不等式约束条件下的可行SQP方法

提出一个处理非线性不等式约束优化问题的有效可行SQP算法.每一步迭代,只需求解在近似积极约束指标集下的一个二次规划子问题和一个线性方程组,该方法有效的避免了马太效应.在无严格互补假设条件下,证得算法是全局收敛和超线性收敛的.数值试验表明该算法是有效的.     

线性不等式约束优化问题的仿射内点信赖域子空间算法

使用仿射变换内点回代技术的信赖域子空间算法解线性不等式约束的非线性优化问题．通过构造一个二维子空间，在子空间中求解信赖域的子问题得到迭代方向，结合线搜索内点回代技术获得可接受的步长因子，产生保证目标函数值单调下降的严格内点可行迭代序列．子空间技术的应用使得该方法适用于求解大规模问题．在合理的假设条件下，给出了信赖域子空间算法的良好性质，从而保证了算法不仅具有整体收敛性，而且保持超线性收敛速率，数值计算结果表明了算法的有效性。     

优化问题的序列线性方程组解法

拟牛顿算法是求解无约束优化问题的有效算法.序列二次规划方法是将拟牛顿算法应用于求解约束优化的推广与发展,它保持了拟牛顿算法的超线性收敛速度而成为约束优化的重要算法类.序列线性方程组方法则是它的进一步发展,目的在于每步求迭代方向dk时避免求解计算量较大的二次子规划.现在序列线性方程组方法仍在研究和发展,目的是简化算法结构、减少计算量,同时保持算法的优良性质.     

约束优化一个结合工作集技术的模松弛SQP算法

结合模松弛SOP方法、可行方向法和工作集技术,提出了一个求解非线性不等式约束优化的SOP算法。在每一次迭代,模松弛QP子问题的约束函数个数只决定于相应的工作集。在MFCQ条件下,得到算法的全局收敛性。最后,给出了初步的数值结果。     

一种修正HS共轭梯度法的全局收敛性

对HS算法进行了修正,在非单调线搜索下,该方法保证每次迭代中的搜索方向是充分下降的。在较弱的条件下,证明了此类非单调修正HS算法具有全局收敛性。最后对算法进行了数值试验,试验结果表明,该算法具有良好的收敛性和有效性,尤其适合求解大规模无约束优化问题。     

非线性最优化中超线性收敛的序列线性方程组方法

提出了一个超线性收敛的序列线性方程组方法（ＳＳＬＥ）．此方法与现有的序列二次规划（ＳＱＰ）方法相比，其优点有：（１）由于新方法每一次迭代只需计算三个系数矩阵完全相同的线性方程组，因此迭代的计算量减少且算法的稳定性提高；（２）每一次迭代产生的点是可行的；（３）具有一步超线性收敛速度。     

非线性约束条件下一个超线性收敛的──可行方法门（Ⅰ）算法A

序列二次规划算法（即ＳＱＰ算法）一般具有良好的超线性收敛性质，在非线性规划中占有非常重要的地位。从实际数值效果来看，ＳＱＰ类算法对于非线性约束下的最优化问题是非常有效的。但这一类算法在实际运算中和终止时所得到的解一般都是不可行的，对于一些与工程设计等实际应用相关的优化问题，这是一个很严重的不足之处。为了克服现有ＳＱＰ类算法的不足。本文给出了一个非线性约束条件下求解ＳＱＰ类问题的可行方法，即算法Ａ。此新方法具有如下优点：（１）每步迭代仅需计算一个二次子规划及一个矩阵的逆；（２）算法每步迭代产生的点均是可行的；（３）在适当的条件下，算法是一步超线性收敛的。     

非线性优化问题的光滑化序列二次规划方法

为了获得序列二次规划方法的全局收敛性,通常需要借助一个罚函数,但常用的罚函数由于具有不可微性从而给计算带来一定的困难,拉格朗日函数虽然可以克服此困难,但其形式较为复杂,为解决该问题,给出了一类光滑化罚函数.基于一类双曲余弦型光滑化罚函数,提出了等式约束优化问题的一个光滑化序列二次规划方法.该光滑化函数具有良好的连续、可微性和凸性质,在适当条件下,获得了算法的全局收敛性,并给出数值测试说明了算法的有效性.     

一种全局收敛的线搜索滤子SQP方法

对于求解不等式约束优化问题,将线搜索和滤子方法相结合提出了一种新的线搜索滤子序列二次规划( filterSQP)方法.该方法克服了传统的SQP方法二次子问题不相容的困难,并利用滤子避免了罚函数的使用.同时在合理条件下证明了此方法具有全局收敛性质.     

多面体约束非光滑复合函数的序列有效集方法

对带多面体约束的非光滑复合函数问题的求解进行了研究。针对非光滑复合函数问题,首先,构造光滑函数来逼近非光滑目标函数,通过求解光滑近似问题来达到求解原问题的目的。在此基础上,考虑多面体约束的特殊结构,运用序列二次规划算法的思想,利用有效集策略,通过逐次求解一系列仅含等式约束的二次规划问题来逼近搜索方向的最优解,再通过线搜索求得步长,进而得到下一步的迭代点。最后,从理论上证明了算法的全局收敛性,并进行了初步的数值实验。将该算法与光滑序列投影收缩算法作对比,结果表明,该算法在迭代次数和计算时间上都有一定的优势。     

求解非光滑优化问题的修正HS三项共轭梯度法

为了提高大规模非光滑优化问题的求解效率,克服其他方法存储需求大、算法复杂等缺点,提出求解非光滑优化问题的一种修正HS共轭梯度算法。在经典HS三项共轭梯度法的基础上提出一种新的搜索方向,并利用Moreau-Yosida正则化技术和Armijo-type线搜索技术进行设计。新算法满足充分下降条件,搜索方向属于信赖域,在适当条件下证明了新算法全局收敛。初步的数值实验表明新算法在求解非光滑无约束优化问题方面比LMBM方法更有效。新算法不仅具有较好的收敛性质,而且数值表现良好,为更加高效地求解非光滑优化问题提供了新的方法。     

非线性规划问题的一个全局收敛的次可行方向法

本文给出非线性不等式约束最优化问题的一个初始点可行取的算法，利用梯度投影构造搜索方向，并使用符号函数对搜索方向和搜索函数进行有效的控制，使得一旦迭代点进入了可行域，其后的方向将成为可行下降方向，搜索函数将由罚函数变为原问题的目标函数（故称之为次可行方向法）在较为温和的条件下证明了方法的全局收敛性，及罚参数只需进行有限次调整。