约束优化问题的广义投影梯度算法分析

对非退化和退化两种情形下的不等式约束优化问题的广义投影梯度算法作了分析,发现所采用的两种不同的求解迭代方向的方法在本质上是相同的。公式法结构简单、便于计算,而在处理退化问题上线性系统求解则体现优越性。     

解带非线性等式和不等式约束优化问题的超记忆梯度广义投影算法

利用广义投影技术 ,将求解无约束规划的超记忆梯度算法推广 ,建立了求解带非线性等式和不等式约束优化问题的一种超记忆梯度广义投影算法 ,并证明了算法的收敛性。该算法具有稳定、计算量小、所需收敛条件弱、收敛性强等特点 ,并改进了广义梯度投影算法的收敛速度。数值算例表明该算法是有效的。     

非光滑约束优化的广义增广拉格朗日方法及其在半无限规划中的应用

为寻找非光滑约束优化问题的稳定点,基于已有的研究成果,提出了一种广义增广拉格朗日方法.即当罚参数有界时,证明了由算法产生的迭代序列的任何聚点都是原问题的稳定点.然后,在适当条件下将该方法应用到了半无限规划问题,并且给出了相关数值实验,证明了该算法对于求解非光滑约束优化问题是有效的.因此,非光滑约束优化的广义增广拉格郎日方法是一种非常有效的方法,在解决半无限规划问题中有十分广泛的应用.     

几何规划的简约共轭梯度算法

利用对偶理论将正定式几何规划转化为带有非负约束和线性等式约束下的非线性凸规划,并且将简约梯度算法与共轭梯度算法恰当结合,应用于求解约束正定式几何规划的对偶问题,构造出了求解几何规划的一个有效算法,并在Armijo步长搜索和适当的条件下证明了该算法的收敛性.     

正定式约束下广义几何规划的一种线性化方法

几何规划是一类具有特殊形式的非线性规划问题,正定式几何规划问题借助于凸规划问题的求解已基本得到解决.但广义几何规划问题作为一种特殊的(DC)规划,至今没有好的求解方法.利用线性化技术,将正定式约束下的一类广义几何规划问题转化为一列凸规划问题进行求解,构造了正定式约束下广义几何规划的一种新算法,并证明了该算法的全局收敛性.     

解带非线性等式和不等式约束优化问题的超记忆梯度广义投影算法

利用广义投影技术，将求解无约束规划的超记忆梯度算法推广，建立了求解带非线性等式和不等式约束优化问题的一种超记忆梯度广义投影算法，并证明了算法的收敛性。该算法具有稳定、计算量小、所需收敛条件弱、收敛性强等特点，并改进了广义梯度投影算法的收敛速度。数值算例表明该算法是有效的。     

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.     

线性约束优化问题拓广的广义梯度投影算法

在去掉非退化假设条件下 ,提出了求解线性约束的非线性最优化问题的一个拓广的广义梯度投影算法 ,并在广义Armijo步长探索下证明了算法的全局收敛性质     

一般约束问题的广义摄动梯度投影算法

讨论带不等式和等式约束优化问题,提出了求解非线性规划问题的广义摄动梯度投影算法。考虑到计算的误差因素,在搜索方向上进行摄动,得到一个方向不精确的广义梯度投影法。避免了转轴运算,使计算量大为减少,并证明了算法的全局收敛性。     

线性约束优化问题拓广的广义梯度投影算法

在去掉非退货假设条件下，提出了求解线性约束的非线性最优化问题的一个拓广的广义梯度投影算法，并在广义Armijo步长探索下证明了算法的全局收敛性质。     

MFCQ下的广义投影梯度算法

讨论了非线性不等式和等式约束优化问题在退化情形下的求解方法。首先通过引入恰当的罚函数，将原问题转化成一个只含不等式约束的辅助规划，给出了一般约束优化问题的广义梯度投影算法，在MFCQ下，证明了算法的全局收敛性。     

应用二次规划解算安全性有功经济调度

本文研究了应用二次规划求解安全有功经济调度问题,数学模型及算法为二次规划,并利用二次规划的凸性条件将有功平衡约束转化成一个不等式约束,将具有函数约束二次规划模型转化成只有变量约束的对偶二次规划问题,其中网损修正系数及线路约束系数采用PQ分解的修正迭代算法,文中应用Hildreth-D’Esopo法解对偶二次规划问题,进而提出了带有约束的共轭梯度新算法,本文用上述算法在微机上对IEEE30节点系统进行了试算,获得满意结果。     

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。     

变分不等式问题带非负约束转化的一类信赖域法

针对变分不等式的带非负约束的转化形式给出了一类信赖域迭代算法。该方法的特点是通过利用内点技术。将带非负约束的信赖域子问题转化为无约束形式的信赖域子问题。从而可以利用截断共轭梯度法来近似求解。     

SO(n)中定型矩阵拟合的数值梯度方法

提出求解SO（n）中定型矩阵拟合问题导出的约束优化问题的一个数值梯度算法．该方法可视为离散动力系统算法,其最大特点是能始终保持迭代点列满足约束条件．对算法的收敛性和渐近稳定性进行了理论分析,数值试验结果验证了算法的有效性和可靠性．     

一种求解正交约束问题的投影梯度方法

正交约束优化问题在特征值问题、稀疏主成分分析等方面有广泛的应用.由于正交约束的非凸性,精确求解该类问题具有一定的困难.本文提出了一种求解正交约束优化问题的投影梯度算法.该算法采用施密特标准正交化方法处理正交约束,其时间复杂度为O(r2 n),比传统SVD分解复杂度低,且实现简单.数值实验验证了算法的有效性.     

求解一类变分不等式问题的内点信赖域方法

针对变分不等式的带非负约束的转化形式给出了一类信赖域迭代算法．该方法的特点是通过利用内点技术，将带非负约束的信赖子问题转化成约束形式的信赖域子问题，从而可以利用截断共轭梯度法来近似求解．     

带子矩阵约束的二次逆特征值问题的最小二乘埃尔米特广义斜哈密顿矩阵迭代解

针对带子矩阵约束的二次逆特征值问题的最小二乘埃尔米特广义斜哈密顿结构矩阵解问题,给出了一种共枙梯度迭代算法。首先提出了带子矩阵约束的二次逆特征值问题的最小二乘问题及其最佳逼近问题;然后分别给出了基于共轭梯度的迭代算法,证明了算法的收敛性。对于任意初始约束矩阵,在不存在舍入误差的情况下,用该迭代算法可以在有限步迭代中得到迭代解。最后,给出了一个数值实例,数值实例证明了所提算法的有效性。     

一族易实现的Clarke广义梯度投影算法及其收敛性

本文利用Bazarra提出的伪方向导数,以Clarke的广义梯度为工具,通过解二次规划得可行下降方向,用Armijo搜索作一维搜索,我们给出了一类一般线性约束下不可微规划的可行方向法——易实现的Clarke广义梯度投影法。在不要求约束非退化的条件下,我们证明了算法的收敛性。     

线性约束优化问题的共轭梯度型算法及其收敛性

将共轭梯度法与广义投影技术相结合，给出了一个求解带线性等式、不等式约束优化问题的共轭梯度型算法，证明了算法的性质及全局敛性，首次将共轭梯度法推广应用于求解带约束条件的优化问题。