求非凸二次约束二次规划全局解的凸规划方法

针对非凸二次约束二次规划(QCQP)问题,将问题中二次函数的凸函数部分保留,达到所得松弛规划的可行域更加紧致的目的,得到原问题更好的下界.利用正交变换的方法得到原问题的一个凸规划松弛模型,再利用分支定界算法求其全局最优解.根据问题的最优性和可行性原则,提出一种能整体删除或缩小算法迭代过程中产生的分割子区域的区域删减策略...     

带有二次约束的二次规划问题的一个收缩分枝定界算法

通过解线性规划问题，寻找包含原问题可行域的超矩形，利用剖分技术对这个超矩形进行分枝和收缩以减少算法的迭代次数，从而用线性规划松弛方法来确定原问题在每个小超矩形上的最优值的下界，提出一种新的带有二次约束的二次规划问题的收缩分枝定界算法，并证明了该算法是收敛的．     

有界凸域上非凸二次整体规划问题的单纯形剖分算法

把非凸二次规划问题等价地转变成一个带有调整因子u的规划问题 ,特别当调空因子u取得适当大时 ,该问题转变成一个D、C规划问题 ,进而可以通过解凸二次规划来确定原问题整体最优值的下界 由此建立了有界凸域上非凸二次整体规划问题的单纯形剖分算法 ,并对此算法的收敛性进行了分析     

凸约束不定二次规划问题的分枝定界方法

针对凸约束不定二次规划问题，给出一个分枝界定方法。通过将凸约束不定二次规划问题等价地转化为凸凹规划问题，利用超矩形体的二分技术和锥剖分技术，在超矩形体上确定原问题的最优解，并进行了收敛性分析。     

可分凸二次规划的不可行内点算法

给出了可分凸二次规划的不可行内点算法,并证明了该算法在Ｏ（ｎ＾２Ｌ次迭代之后,或收敛到问题的一个近似最优解,或说明该问题在某个较大区域内无最优解。     

二次规划的整标集法与可分解的二次规划

一般二次规划(QP)常用Fletcher算法或简约梯度法求解，只能得1个K-T点，未必是整体最优解．根据求解线性互补问题全部解的整标集法，文中提出求解二次规划的整标集法，即将(QP)转化为线性互补问题，求出全部互补可行解，得到(QP)的全部K-T点，通过比较得整体最优解．此法不需初始可行点，简便可行，适用于一般二次规划．结合算例将整标集法与Fletcher算法、简约梯度法进行比较．该例用此法求解得7个K-T点，且目标函数值相差甚远．另一例具有无穷多个K-T点．算例表明：对于小规模问题，此法优于Fletcher算法和简约梯度法．文中还提出二次规划可分解的条件，据此可将一类规模较大的问题分解成规模较小的问题，降低了难度．     

凸二次规划问题的内点算法

提出了一类利用对数障碍函数法求解凸二次规划问题的内点算法，此算法在每次迭代中只需解一个等式约束的二次规划问题(或线性方程组系统)，结构简单，易于计算，最后运用数值仿真测试验证了此方法的有效性。     

一种松懈的梯度投影算法

结合ＧＬＰ投影梯度法，提出一种解一般凸规划问题的上点逼近算法在适当条件下证明了收敛性定理，此算法较之其它外点法的优点，在于其子问题的约束集合不是递增的，即：算法在每迭代解一个二次规划问题，这个二次规划问题的约束条件只依赖于最优解的当前估计，并且该算法的计算复杂性比ＧＬＰ投影梯度法大大减少。     

不定二次规划的全局优化算法

对不定二次规划问题提出了一个新的确定型全局优化算法,通过对目标函数和约束函数的线性下界估计,建立了不定二次规划的松弛线性规划.通过对松弛线性规划可行域的细分,以及一系列松弛线性规划的求解过程,并通过实例证明了算法能收敛到原问题的全局最优解.     

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.     

二次凸规划的迭代解

线性互补问题的投影Jacobi松弛算法应用于求解不等式约束的二次规划问题,对称半正定的二次规划问题由K-T条件可以转化为P_0-矩阵的非对称线性互补问题(LCP),通过求解带扰动项的P-矩阵的非对称线性互补问题得到二次规划的最优解。最后给出一些数值结果。     

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。     

一类非凸规划的分支定界算法

针对一类非凸规划问题(NP)提出有效的分支定界算法.首先,利用目标函数的特性将其转化为等价的极小化问题(P),通过对其可行域的细分和求解一系列凸规划问题,不断更新(NP)全局最优值的上下界.为提高计算效率,一个问题的最优解作为下一个问题的初始解,并提出了新的删除技术.理论上证明该算法是收敛的,数值试验结果表明算法是有效可行的.     

求解框式约束下凸二次规划问题的内点算法

对于框式凸二次规划问题给出了一个内点路径跟踪算法,该算法的迭代复杂度为Ｏ（√ｎＬ）,每一步近代所需计算量为Ｏ（ｎ＾３）,其中ｎ为变量个数,Ｌ为问题的输入长度。     

求不定二次规划问题全局解的单调化方法

 不定二次规划是全局优化的一类重要问题,在金融、统计、工程设计等实际问题中有广泛应用。但此类问题可能存在多个非全局最优的局部极值点,所以求其全局最优解变得十分困难。运用单调优化理论提出一种求不定二次规划问题全局最优解的新方法：通过引入新变量将问题等价转化为单调优化问题,然后利用问题的单调结构进行缩减、分割、辅助问题最优值的定界等过程获得近似全局最优解。该解不仅可行且能充分接近真实的全局最优解,数值结果表明方法可行有效。     

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。     

求解带非凸二次约束的广义二次分式规划最小值的全局算法(英文)

基于最近发展的单调优化理论,提出了求解带非凸二次约束的广义二次分式规划最小值的全局算法,给出了算法的收敛性证明. 数值实验表明了该算法的可行性和有效性.