拉格朗日——牛顿法的一个局部超线性收敛算法

桂胜华等曾提出含弱互补函数的不等式约束最优化问题的拉格朗日一牛顿法和拟牛顿法，但算法中计算Hesse矩阵的工作量较大，且该算法仅能解不等式约束最优化问题．论文改进了桂胜华等的算法，用拟牛顿公式代替了Hesse矩阵，并把解不等式约束最优化问题推广到既含不等式约束又含等式约束最优化问题；证明了此算法具有全局收敛性和局部超线性收敛性．     

解非线性不等式约束优化问题的非精确光滑牛顿法

针对非线性不等式约束优化问题，提出了一个基于Kanzow磨光函数的非精确光滑牛顿法．利用约束问题解的KKT条件及变分不等式将约束问题转化为求解方程组的问题，在适当的条件下，证明了算法的全局线性及局部二次收敛性．     

基于F-B函数的牛顿法解一般约束优化规划问题

文章给出了一个解决一般约束最优化问题的含调节参数型的牛顿算法.算法有两个重要特征,首先,算法借助Lagrange函数和NcP中的F-B函数,通过构造等价于点条件的线性方程组采处理一般约束优化问题,其次,利用F-B函数的光滑性质,定义了调节参数,从而弱化了K-T点条件.文章在适当的条件下,证明了该算法具有全局收敛性.数值实验表明算法有效.     

解约束优化问题的QP-free非可行域方法

提出了一种新的QP-free非可行域方法，用来解不等式约束的最优化问题．通过乘子函数和F-B非线性互补函数，构造一个等价于原约束问题一阶KKT条件的非光滑方程组．在此基础上给出解这方程组的迭代算法．与QP-free可行域方法相比较，在不要求迭代点严格可行性的情况下，此方法是可执行的．在不要求严格互补松弛成立、聚点是孤立的，以及积极约束函数梯度是线性独立等条件下，证明该方法具有全局收敛性．另外在较弱的条件下，证明该方法具有超线性收敛性．     

带新的非线性互补函数的广义非精确牛顿法

提出了新的弱正则伪光滑非线性互补（NCP）函数，该函数具有良好的性质．在这个新的NCP函数基础上，求解一个目标函数和约束函数都是光滑的最优化问题．构造半光滑方程组，用来求解非线性约束最优化问题的KKT点，然后用新提出的广义非精确牛顿法解这个半光滑方程组．该方法是可实现的，且具有全局收敛性．最后还证明了在较弱假设条件下，它具有局部超线性收敛性．     

一般约束非线性规划问题的光滑牛顿法

用改进的光滑NCP函数替代了文[1,2]中的弱互补函数,提出了一种新的光滑牛顿法,从而实现了一般约束优化问题的KKT条件到非线性方程组之间的完全等价转化,且将文[3]中提出的求解无约束最优化问题的修正BFGS方法加以改进,应用于求解一般的约束最优化问题,避免了计算Hesse矩阵工作量较大的问题,并在一定的条件下证明了该算法的全局收敛性.     

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.     

修正F-B函数的可行的无序列二次子规划方法

D.G.Pu(2004)提出了一类解不等式约束的最优化问题的QP-free方法,所有得到的迭代点均为可行点.这方法是利用了非线性的Fischer-Burmeiser互补函数,在满足KKR条件的基础上,构建出的几个非光滑线性方程组.但Fischer-Burmeister函数在原点是不可微的,使得构建出的方程组是半光滑的.为此,提出一个修正的光滑化的F-B函数,由它而构建出的方程组是光滑的;还修改了第二个线性方程,从而保证了迭代点的可行性和目标函数的下降性;在一些较弱的条件下,证明了算法具有收敛性和局部超线性收敛性;通过一些算例的计算表明,算法具有很好的应用前景.     

约束优化问题的内点正则牛顿法

研究了求解具有不等式约束最优化问题的内点正则Newton法.其基本思想是把求解约束优化问题的内点法和求解无约束优化问题的正则Newton法结合起来,建立起求解具有不等式约束最优化问题的内点正则Newton法.对于具有有界最优解集的凸约束最优化问题,任取一可行解作为初始点,内点正则Newton法所产生的点列均收敛到最优解...     

滤子QP-free算法

提出了求解光滑不等式约束最优化问题的滤子QP-free非可行域方法.通过乘子函数和F-B非线性互补函数,构造一个等价于原约束问题一阶KKT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KKT最优条件的解,在迭代的线搜索中,采用了滤子方法.证明了该方法是可以实现的并具有全局收敛性.另外,在较弱条件下可以证明该方法具有超线性收敛性.     

新的拉格朗日乘子方法

对于约束优化问题,提出一类新的结合Fischer-Burmeister非线性互补(NCP)函数的增广拉格朗日函数,它的无约束极小解对应于原约束问题(NLP)的解及其乘子;同时提出相对应的拉格朗日乘子方法.该方法可实现并具有全局收敛性.     

非单调QP-free非可行域方法

提出了带有Fischer-Burmeister非线性互补(NCP)数的非单调QP-free非可行域算法.根据优化问题的一阶KKT条件,利用乘子和NCP函数,得到非光滑方程,给出解这个非光滑方程的迭代算法.该算法包含原始-对偶变量,在局部意义下,可看成关于一阶KKT最优条件的扰动牛顿-拟牛顿迭代算法.在线性搜索时,此算法采用非单调方法.给出的算法是可实现的并具有全局收敛性,且在适当假设下具有超线性收敛性.     

一般非线性约束优化问题的信赖域法

通过引进松弛变量和极小化增广 Lagrange 函数的方法,将等式约束的非线性优化问题推广到不等式约束和一般约束的情形,同时将滤子技巧和信赖域法相结合,提出一种求解非线性约束优化问题的信赖域新算法,扩大了算法的适用范围,提高了算法的计算效率,并通过数值试验说明算法的有效性     

含弱互补函数的可行的无子规划算法

用弱互补函数来代替F-B互补函数，由此而构建出四个光滑的线性方程．还修改了第二个线性方程，从而保证了迭代点的可行性和目标函数的下降性．采用修改的拟牛顿算法修正，在没有要求子矩阵H^k是一致正定的条件下，证明该算法具有全局收敛性和局部超线性收敛性．算例表明，该算法具有很好的应用前景．     

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.     

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。     

一个改进的原始对偶内点方法

针对一般的光滑约束最优化问题, 提出一种原始对偶不可行内点算法, 该算法运用3个值函数使算法能收敛到局部极小点而非其他一阶最优性点, 并通过将等式约束的罚项和松弛变量的障碍项添加到目标函数中转化原问题. 计算结果证明了算法的可行性和有效性.