重庆师范大学 数学学院，重庆 401331

考虑目标函数能够分解成n个独立的凸函数,其约束条件为线性约束的可分凸优化问题.呈现了一种推广的预测矫正邻近乘子法来求解可分凸优化问题.算法在迭代中利用二次项代替了增广拉格朗日函数的增广项，算法既有邻近乘子法的特性，又有可以平行计算，并且在较弱的条件下，能保证全局收敛.     

求解凸极小化问题的一种部分并行的可分方法

针对具有可分结构的凸极小化问题,提出了一种部分并行的可分方法.该方法是在预校正近似乘子法的基础之上,在极小化时采取了不同的格式,去掉了二次邻近项而直接用的增广项;在算法的迭代部分,预校正近似乘子法先计算x~(k+1),再计算z~(k+1),在部分并行的可分方法中,x~(k+1),z~(k+1)是并行计算的;通过数值算例得到的结果显示,该方法具有可行性.     

非凸不可分离问题的广义交替方向乘子法的收敛性

交替方向乘子法（ADMM）是求解大规模优化问题和非凸非光滑问题的一种有效的方法,但当目标函数为非凸非光滑的情况时,原始ADMM算法的收敛性无法保证,且若目标函数中存在耦合函数,则算法的收敛性证明将更为复杂。在现实生活中存在的很多问题,其本质都是非凸的。因此,本文提出了一种改进的ADMM算法。与原始ADMM算法相比,该算法引入了一个松弛因子$\alpha $,构造了一种广义交替方向乘子法（GADMM）来求解具有线性约束的非凸不可分离优化问题。在一定的假设条件下,通过假设增广拉格朗日函数满足K-L不等式,证明了当惩罚参数足够大时,算法生成的序列收敛到增广拉格朗日函数的稳定点。     

求解凸极小化问题的一种带预校正步的分解方法

针对三个变量的可分离凸优化问题,提出了一种带预校正步的交替方向分解方法.与交替方向乘子法和预校正近似乘子法相比,该算法同样使用了增广拉格朗日函数,并且对偶变量进行了两次迭代.不同于之处在于,这种算法推广到了三个变量的情况.在系数矩阵是列满秩及拉格朗日函数有鞍点的假设下,该算法是收敛的.     

可分非凸稳态大系统凸化方法研究

本文讨论带一般约束的可分非凸稳态大系统的凸化方法。采用只增加部分约束罚项的思想,提出了一种既能将原非凸问题目标函数凸化,又能保持原问题可分性的构造增广Lagrange函数的新方法,并给出了该问题的递阶优化算法,证明了算法的收敛性,给出了收敛速度的估计.     

三块非凸优化问题正则化交替方向法的收敛性

[目的]针对一类三块非凸优化问题,提出一种正则化交替方向法.[方法]为了更易求得唯一的点(xk+1,yk+1,zk+1),在原始乘子交替方向法的框架下,对x子问题和y子问题同时添加一个临近项来正则化原始子问题.[结果]在增广拉格朗日函数满足KL性质且惩罚参数充分大的条件下,由算法生成的迭代序列的任何聚点都是增广拉格朗日函数的稳定点.[结论]数值算例结果验证了此算法的有效性.     

基于粒子群算法和增广拉格朗日乘子法的混合可靠性分析

本文提出了一种基于粒子群算法和增广拉格朗日乘子法的混合可靠性分析方法.该方法通过引入参数的不确定性和区间变量,得到一种概率-区间混合不确定模型,充分利用增广拉格朗日乘子法将有约束优化问题转化为无约束优化问题,基于此进行求解和结构可靠性分析.数值算例和工程实例验证了该算法在计算结构可靠性问题时对于线性和非线性的功能函数有良好的收敛性和较高的计算效率.     

基于人群搜索算法和增广乘子法的混合可靠性分析

针对传统优化算法在处理具有一定非线性功能函数的结构可靠性分析问题时出现迭代次数较多或精确度不够的问题,提出了一种基于人群搜索算法和增广乘子法的混合可靠性分析方法.该算法以可靠指标最小为目标函数,以影响结构可靠指标的随机变量构成的极限状态方程为约束条件建立结构可靠性优化数学模型,并使用增广乘子法将有约束优化问题转换为无约束优化问题,最后使用人群搜索算法进行寻优计算.通过数值算例和工程算例验证了所提算法的稳定性和有效性,并讨论了参数不确定性以及参数存在相关性时对可靠指标的影响.     

非凸两分块问题乘子交替方向法的收敛性分析

乘子交替方向法(ADMM)求解大规模问题十分有效.ADMM在凸情形下的收敛性已被清晰认识,但非凸问题ADMM的收敛性结果还很少.本文针对非凸两分块优化问题,在增广拉格朗日函数满足Kurdyka-Lojasiewicz不等式性质且罚参数大于某个常数的条件下,证明了ADMM的收敛性.     

非凸非光滑优化问题的惯性Bregman ADMM的收敛性分析

【目的】针对具有可分结构的非凸非光滑优化问题，提出一种内置惯性Bregman交替方向乘子法。【方法】为了加快算法的收敛速度，在Bregman交替方向乘子法的框架下，对子问题中的Bregman度量内置惯性项。【结果】在生成的点列有界的条件下，利用Kurdyka-Lojasiewicz性质，证明了算法的渐进收敛性。【结论】数值实验结果表明了该算法的有效性。     

一类非光滑优化问题的邻近交替方向法

非光滑优化问题在现实生活中有着广泛应用.针对一类带有结构特征为两个连续凸函数与具有Lipschitz梯度的二次可微函数的和的无约束非光滑非凸优化问题,给出了一种邻近交替方向法,称之为二次上界逼近算法.该算法结合交替方向法与邻近点算法的思想,将上述优化问题转化为平行的子问题.在求解子问题的过程中,对目标函数中的光滑部分线性化,此时子问题被转化为凸优化问题.然后分别对两个凸优化子问题交替利用邻近点算法求解.基于以上思想,首先我们给出算法的伪代码,然后建立了算法收敛性的充分条件,最后证明在该条件下,算法产生迭代序列的每个极限点是原问题的临界点.     

采用增广乘子法和免疫算法的混合可靠性分析

针对传统可靠性优化设计方法在处理实际可靠性工程问题时求解精度不高或无法求解的问题,提出一种采用增广乘子法和免疫算法的混合可靠性分析方法.首先以极限状态方程为约束,以可靠性指标最小为目标函数,建立可靠性优化设计数学模型;然后利用增广乘子法将该有约束可靠性优化设计数学模型转变成无约束优化模型;最后运用免疫算法(IA)进行求解可靠性指标.通过数值算例和工程算例验证了本文方法的有效性,并在工程算例中讨论了相关性对可靠性指标的影响.     

求解三块可分凸优化问题的Bregman Peaceman-Rachford分裂法

【目的】针对带有线性约束的三块可分凸优化问题，提出带有Bregman距离的Peaceman-Rachford(PR)分裂法。【方法】在原始PR分裂法的基础上结合Bregman距离函数，并选择不同的松弛因子来更新拉格朗日乘子。【结果】当Bregman距离函数为δ-强凸时，从变分不等式的角度建立了由算法产生的迭代序列的全局收敛性以及给出了在遍历意义下O(1/t)的最坏收敛速率。【结论】所得结果推广了求解两块可分凸优化问题的PR算法，具有一定的理论意义。     

增广拉格朗日函数的两种可分化方法之比较

可分方法用于将一个复杂的大规模优化问题分解成各个子问题进行求解.增广拉格朗日松弛方法的主要缺点是由其引入的二次项是不能分离的.为了处理这种增广拉格朗日函数的不可分离性,可将辅助问题原理方法或分块坐标下降方法应用于增广拉格朗日松弛方法.与已有文献中对带有约束条件x-x=0的优化问题进行这两种可分方法的比较不同,本文对带有更一般的约束条件--线性约束z=Ax的优化问题进行这两种可分化方法的比较;最后给出的两个算例证实了本文的理论分析结果--在处理不可分离的增广拉格朗日函数的时候,在一定条件下,分块坐标下降法往往比辅助问题原则法更快得到最优值.     

基于BB步长的一类原始-对偶算法

增广拉格朗日乘子法(ALM)是求解带等式约束的二次凸优化问题的常用方法，但罚参数选取不当时，收敛速度比较慢.提出ALM-BB算法，利用Barzilai-Borwein(BB)算法的步长去改进原始的ALM,证明ALM-BB算法的收敛性.最后将这类方法运用于求解范数最优控制问题.数值算例表明改进的算法收敛速度更快.     

求解一类非凸非光滑约束优化问题的邻近滤子束算法

针对一类特殊的非凸非光滑约束优化问题提出了邻近滤子束算法.该问题的目标函数为lower-c2而约束函数为凸的.具体地,首先对目标函数采用凸化技术得到修正的问题,接着利用改进函数将修正后的约束问题转变为无约束问题,设计邻近束算法来求解这个无约束问题并在邻近束算法中引入滤子策略来确定下降步.数值结果表明了该算法的有效性和可靠性.     

一种新的拉格朗日乘子方法

对于约束非线性优化问题,提出了一种带3-分片非线性互补问题函数的增广Lagrangian函数,将约束优化问题转化成无约束优化问题来求解。新的增广Lagrangian函数的无约束极小点对应于原约束问题的解及乘子,同时提出相应的Lagrangian乘子方法,该方法可执行并具有收敛性。     

矩阵填充的混合型增广拉格朗日乘子算法

文章在经典增广拉格朗日乘子算法的基础上,提出了一种新的混合型增广拉格朗日乘子矩阵填充算法.通过定义混合型奇异值阈值算子,得到了一种求解矩阵填充问题的新的混合型增广拉格朗日乘子算法.数值实验表明,新算法大大提高了矩阵填充的求解效率,节约了计算花费,其效果明显优于经典的增广拉格朗日乘子算法.     

用最优化计算方法进行型线光顺优化设计

通过对某些特定舰船型线光顺设计问题的数学分析，建立了型线光顺设计问题的数学模型，提出了用约束最优化计算方法进行型线优化设计，并通过混合罚函数和增广Lagrange乘子法这两种最优化计算方法的对比，验证了增广Lagrange乘子法的优越性。     

基于均衡约束的ADMM-LDPC译码算法

基于交替方向乘子法(ADMM)的改进型惩罚函数LDPC译码算法能够提升译码性能,但却存在优化参数数目过多的问题.针对该问题,提出一种基于均衡约束的ADMM-LDPC译码算法.首先将码字的0-1整数约束等价转化为连续的均衡约束,使得原有的整数优化问题转化为含均衡约束的非凸问题;然后采用惩罚函数的方法将该非凸问题转化为可求解的双层凸优化问题;最后采用迭代优化算法对该问题进行求解.仿真结果表明:相较于原有算法,所提算法大幅减少了所需优化的参数数目,且在低信噪比时能实现约0.05 d B的性能提升.