非光滑规划的精确罚函数

0 引言罚函数方法是数学规则求约束最优解的重要方法之一.自60年代Zangwill等人系统地研究罚函数理论以来,发展很快,文献很多.经典的罚函数理论,是通过添加罚函数项后,研究一系列无约束优化问题,并使惩罚参数趋于无限大来获得原规划的最优解.而精确罚函数理论是通过求解单个无约束优化问题来求原规划的最优解.     

罚函数的性质及ι_1精确罚函数的存在性

本文讨论了一种常见的罚函数，给出并证明了罚函数的全局最优解存在的一个充分条件，及原问题的局部最优解与罚函数的局部最优解之间的关系的一个定理，并对［２］中ｌ１罚函数的一个精确罚函数存在性定理，给出了较为简单的证明．     

两个绝对值优化问题解的等价性

针对损失函数为最小一乘问题,惩罚项由基数函数定义的绝对值优化问题,提出用MCP(Minimax Concave Penalty)非凸正则来连续逼近基数罚,得到一个精确连续的绝对值优化松弛问题。首先,证明了带基数罚的绝对值优化问题的全局最优解;其次,研究了带基数罚的绝对值优化问题与带MCP罚的绝对值优化松弛问题之间全局最优解的等价性;最后,证明了在一定的条件下这两个绝对值优化问题具有相同的全局最优解。     

一个新的光滑低阶精确罚函数

对不等式约束优化问题提出了一种新的低阶精确罚函数的构造,使其转化为易求解的无约束优化问题;给出了光滑罚问题与非光滑罚问题,光滑罚问题与原问题的目标函数值之间的误差估计,并且在弱的假设条件下证明了光滑罚问题的全局最优解是原问题的近似最优解.     

求解等式约束优化中可能不可行问题的精确罚函数方法

讨论了非线性规划算法的一种需要,即无论问题本身是否可行,都能提供一个快速的局部收敛保证.基于精确罚函数方法,在考虑问题可能不可行的前提下,给出了算法并且分析了它的全局收敛性.在给予一定精度的前提下,证明了算法能够最终检测到问题是不可行的或者得到问题的近似解/最优解.借助于数值实验,在计算求最优解的迭代步数时,利用精确罚函数方法可以有效地检测出问题的不可行性.     

基于SCAD正则最小一乘回归问题研究

针对损失函数为最小一乘,惩罚项由基数函数定义的稀疏回归问题,用SCAD(smoothly clipped absolute deviation)罚来连续逼近基数罚,得到一个连续的松弛问题,研究SCAD罚问题与原基数罚问题之间解的等价性。首先,证明了SCAD罚松弛模型的下界性质,并借助此下界性质分析了原问题与松弛问题之间解的等价性,证明了在一定条件下两个问题具有相同的全局最优解以及最优值。此外,证明了松弛模型的局部最优解是原问题的局部最优解并且在局部极小值点处松弛模型与原问题的目标值相等。     

约束DC优化的双束法及对偶问题

针对带有凸不等式约束的非光滑DC优化问题,提出了一种基于罚函数的凸约束DC优化问题双束法,同时也刻画了双束法子问题的对偶问题;首先,利用L_1精确罚技巧把凸约束DC优化问题转化成无约束DC优化问题,便于直接对目标函数进行DC分解,然后分别建立了增广目标函数DC分量的凸分段线性近似模型,最后利用Lagrange函数得到了原问题和对偶问题最优解之间的等价关系,说明了利用对偶问题求解搜索方向的可行性和有效性。     

一种新的低阶罚函数的光滑化方法

对于约束优化问题,给出了一种用二次连续可微函数光滑低阶罚函数的方法;在一些弱的假设条件下,证明了光滑后的罚优化问题的最优解是原优化问题的ε-近似最优解.     

非线性混合整数规划的罚函数法

本文主要对非线性混合整数规划问题的求解进行讨论.首先介绍传统的l1精确罚函数及其性质,但由于l1精确罚函数的不光滑性,用l1精确罚函数求解时还必须将其连续化.为了计算简单,我们通过构造一个光滑的精确罚函数,它可以直接将非线性混合整数规划问题化为一个无约束的规划问题,然后给出了一个全局解等价的充要条件,从而可通过求解无约束的规划问题而得到原问题的解.     

解非线性规划的一个可微"准"精确罚函数法

将文[1]中" "函数的光滑近似函数应用于求解非线性规划问题,该方法通过解一个可微"准"精确罚函数逐渐去逼近原问题的最优解,并且可以通过参数的选取控制解的误差,给出了几个演示性算例.该算法克服了非线性规划极大熵函数法易溢出的缺陷.     

一个新的低阶精确罚函数及其性质

为了求解不等式约束非线性规划问题,提出一个新的低阶罚函数,它是经典l1罚函数和低阶罚函数的一种组合.理论分析和例子表明,新提出的低阶罚函数具有这两种罚函数的各自优点.另外,还提出了一个求解此问题的罚函数方法并证明了该方法的全局收敛性.     

一类广义恰当罚函数存在的一个充要条件

就一个广义的数学规划问题(PH),研究了其恰当罚函数存在的条件.在已有结果的基础上给出了一类涵义较为广泛的罚函数,撇开象空间的正则性条件,得到了问题(PH)恰当罚函数存在的一个充要条件,并且把得到的结果推广到广义分式规划中去.     

一种新的精确罚函数

对于含约束的非线性规划问题，提出了一种新的精确罚函数的构造，使得它能采用无约束优化方法中许多有效的解析方法。这种新的精确罚函数不同于已经研究的罚函数形式，在一定条件下同时具有精确性和光滑性,为研究同时具有精确和光滑的罚函数方法提供了一个新的途径。文章还讨论了这种精确罚函数的一些性质定理。     

逼近精确罚函数法求解单阶段随机规划

提出了一种求解单阶段随机规划的算法——逼近精确罚函数法.首先,通过离散化随机变量的方法得到逼近原问题的确定非线性规划序列,然后,建立精确罚函数并构造无约束最优化问题.在一定的条件下,证明了确定非线性规划序列与无约束最优化问题的等价性,同时也证明了离散序化的解序列收敛到原规划的解.     

Approximation-exact penalty function method for solving a class of stochastic programming

0　IntroductionSincethemultistagestochasticprogrammingcanusuallybetransformedintoasingle stagestochastic program ming[1 3] .Specifically ,two stageconvexstochasticprogrammingproblemwithcompletecourseisequivalenttominimizingsingle stageconvexstochasticprogramming[4,5] .Therefore,researchingtheoryandalgorithmsrelevanttothesingle stagestochasticpro grammingwillbesignificant.Inthispaper,weconsiderthefollowingsingle stagestochas ticprogramming.minimizef(x)s.t.gi(x ,ξ)≤ 0 ,i=1,… ,m ,x∈Rn (1)wh…     

求解向量广义Nash平衡问题的一个精确罚函数方法(英文)

研究约束向量广义Nash平衡问题,其中所有函数都是凸的.利用精确罚函数技巧,在一定条件下,证明了解这样的约束向量广义Nash平衡问题可以简化为解约束向量Nash平衡问题.     

一类可微的精确罚函数方法

针对通常精确罚函数方法在可行域边界不可微的缺点,构造了一类可微的精确罚函数方法,使得它能采用无约束优化方法中许多有效的解析方法。作者提出了精确罚函数的构造,讨论了它的性质,证明了算法的收敛性,并给出了数值计算实例。     

互补约束数学规划问题的一个广义梯度投影罚算法

结合罚函数思想和广义梯度投影技术, 提出求解非线性互补约束数学规划问题的一个广义梯度投影罚算法. 首先, 通过扰动技术和广义互补函数, 将原问题转化为序列带参数的近似的标准非线性规划; 其次, 利用广义梯度投影矩阵构造搜索方向的显式表达式. 一个特殊的罚函数作为效益函数, 而且搜索方向 能保证效益函数的下降性. 在适当的假设条件下算法具有全局收敛性.