无罚函数无滤子的非单调无二次规划方法

提出了求解光滑不等式约束最优化问题的非单调无罚函数无滤子的无二次规划非可行域方法.通过乘子和非线性互补函数,构造一个等价于原约束问题1阶最优条件的非光滑方程组.在此基础上,通过牛顿-拟牛顿迭代得到满足1阶最优条件的解,在迭代中采用了无罚函数无滤子的非单调线搜索方法以避免罚函数的选取和滤子的存储,使得目标函数或者约束违反度函数具有充分的非单调下降,试探步更易于接受.算法不要求迭代点和初始点严格可行.该算法是可实现的,具有全局收敛性.另外,在较弱条件下可以证明该方法具有超线性收敛性.     

基于光滑逼近函数的高阶牛顿法求解凸二次规划

研究绝对值函数的3个光滑逼近函数的性质,并采用图像展示了逼近效果.进而提出求解凸二次规划问题的新方法:将凸二次规划转化为非线性方程组,采用光滑逼近函数进行处理,得到光滑非线性方程组,进而利用高阶牛顿法进行求解.数值实验结果表明:本文方法收敛快、迭代次数少.     

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.     

受限非线性最优控制问题的三角正交函数求解方法

提出一种求解带有状态和控制不等式约束的非线性最优控制问题的数值求解方法。该方法通过三角正交函数对状态变量和控制变量的逼近,进而对目标函数、不等式约束和终端约束进行逼近,最终将原最优控制问题转化为非线性规划问题进行迭代求解。仿真算例结果验证了该算法的有效性。     

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。     

一步光滑牛顿法解P_0非线性互补问题

通过引入光滑参数提出一个新的光滑化NCP函数来逼近方程组中的目标函数,提出了求解P0非线性互补问题的一步光滑牛顿法,并得到该算法是全局收敛的结果.在适当的假设下,证明了该算法的局部超线性和二次收敛性.数值实验表明该算法是有效的.     

解非线性半定规划的一种回溯线搜索型算法

为避免罚函数和滤子的缺点,提高带有等式约束和半负定矩阵约束的非线性半定规划求解效率,本文通过二次半定子问题构建搜索方向,结合回溯线搜索技术和非单调充分下降性条件,提出了一种新的无罚函数无滤子的线搜索型序列半定规划算法.在合理的假设条件下,证明了新算法的适定性以及全局收敛性,最后通过初步的数值试验验证了新算法的有效性.     

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.     

一个解非光滑方程组的Levenberg-Marquardt算法

给出了一个求解非光滑约束方程组的Levenberg-Marquardt算法,每一步迭代中只需求解一个严格凸的二次规划问题．首先,利用松弛变量的绝对值函数将原问题转化成一个无约束方程组;然后,结合光滑化技术设计Levenberg—Marquardt算法．此算法具有全局收敛性,并且在弱于非奇异性的局部误差界条件下,具有局部二次收敛性质．初步的数值试验结果表明,此算法实际计算效果良好．     

一个求解不可微非凸约束规划问题的算法

本文提出一个求解不可微非凸带约束规划问题的可实现算法,并证明其收敛性。这个方法为可行方向法,和非光滑优化中的绝大多数求解约束规划问题的算法不同,它在第 k 次迭代确定搜索方向时仅需利用至多 n+2个过去的 Clarke 广义梯度元的信息,这里 n 为问题中变量的维数,从而保证了算法关于广义梯度元存贮量的有限性,避免了诸如其他许多算法迭代到若干步后每次迭代具有非常大的计算复杂性的可能。     

无约束非光滑优化的信赖域算法

提出了一个处理无约束非光滑优化问题的信赖域算法.它仅要求目标函数是下半连续的,而不是光滑的,或凸的,或局部Lipschitzian的,从而扩大了信赖域方法的使用范围.同时文中还证明了该算法产生的序列的每一个聚点都是原问题的临界点.     

一类非光滑最优化问题的逐次二次规划方法及其全局收敛性

本文给出了一类非光滑问题的逐次二次规划方法．问题的目标函数是凸函数和一个非光滑合成函数之和．方法利用二次规划的解作为搜索方向，新的迭代点由不精确线搜索得到．在较弱的条件下，证明了方法的全局收敛性．     

一种改进的求解含等式约束凸二次规划问题的Lemke算法

通过对经典的Lemke互补转轴算法求解含有等式约束的凸二次规划问题的分析,发现所得到的线性互补问题(LCP)可能是退化的.由Lemke算法求解(LCP)问题的迭代过程,通过六个命题说明了含有等式约束的凸二次规划问题对应的(LCP)问题退化的原因,并对经典的Lemke算法的迭代过程进行修正,提出了一种改进的Lemke算法,这种算法能有效地搜索到含等式约束凸二次规划问题的最优解.     

一种带滤子的QP-free非可行域方法

提出了一种带滤子的QP-free非可行域方法,用来解不等式约束的最优化问题.此方法通过乘子函数和3-1线性互补函数构造一个等价于原约束问题的一阶KKT条件的非光滑方程组,并在此基础上给出解这个方程组的迭代算法.这个方法的每一步迭代都可以看作是对求KKT条件解的牛顿或拟牛顿迭代的扰动,在线性搜索时用到滤子方法.这个方法是可实行的且具有全局性,并且在适当的条件下还可以得到此方法的超线性收敛性.用此算法进行了数值检验,结果表明此方法是可行有效的.     

基于模拟退火算法的最优控制问题全局优化

参数化后的最优控制问题是一类高维非光滑非线性约束优化问题,传统的非线性规划算法求解时存在着收敛性差、局部收敛等问题。针对上述问题,该文采用多重参数化方法处理最优控制问题,非可微精确罚函数方法处理约束条件,引入了具有良好全局收敛性的模拟退火算法求解参数化后的最优控制问题。典型的时间最优和燃料最优控制问题的求解结果表明：模拟退火算法有着可靠的全局收敛性,优于遗传算法以及序列二次规划等经典优化算法。     

约束二次的二次规划的一种解法

对于目标、约束皆二阶的二次规划，在Ｋｕｈｎ－Ｔｕｃｋｅｒ条件的基础上，提出了 一种考虑约束Ｈｅｓｓｉａｎ阵对方向影响的单重循环的序列二次规划解法。数值实验表 明，该法比约束一阶近似的序列二次规划解法效率高、收敛平稳。     

半定规划问题基于方向分解的筛选算法

目的寻求半定规划问题新的理论算法。方法采用低秩分解技术将一般的半定规划问题转化为与其等价的非线性规划问题,利用基于方向分解的筛选算法,通过对搜索方向进行切线步和垂直步的分解来分别寻求最优解方向和不可行性改善的方向,构造了半定规划问题的筛选算法。结果通过证明得到算法具有可行性。结论最后给出了算法的收敛性分析。     

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。     

带有二次约束的一般二次规划问题的松弛分枝定界方法

考虑带有二次约束的一般二次规划问题的求解，当约束条件为非凸二次函数时，对原问题中的某个二次约束进行凸二次松驰，或在原问题的约束条件中增加一个球约束，使得原问题的可行域包含在松驰二次规划问题的可行域内。采用椭球剖分策略剖分可行域为小 椭球，用投影次梯度算法解松驰二次规划问题的拉格朗日对偶问题，从而获得原问题的一个下界。原问题最优值的一个上界可从迭代过程中的可行点得到，并在迭代过程中得到调整。该算法或在原问题最优值的一个上下界相同时终止，得到原问题的整体最优解；或产生一无限序列，其任一聚点都是原问题的整体最优解。