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.     

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.     

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.     

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．     

序列线性方程组方法解约束SC1函数最小化问题

对不等式约束SC1函数最小化问题提出一个可行的序列线性方程组算法.算法的每步迭代,子问题只需解具有相同的系数矩阵的四个简化的线性方程组.这个算法的特点是产生的迭代点是可行的;只考虑指标在集合I的一个子集Ak中的约束函数;不需假定聚点的孤立性,就可证明算法产生的迭代点全局收敛到问题的KKT(库恩-塔克)点.在较弱条件下,证明算法是超线性收敛的.     

带3-分片NCP函数的无罚函数和滤子的SQP算法

对于非线性约束优化问题,提出了一种新的无罚函数和滤子的SQP算法。根据优化问题的一阶KKT条件,利用乘子和3-分片NCP函数,得到非光滑方程以致简化优化问题。在线搜索的过程中,采用无罚函数和滤子的方法。同时证明了该SQP算法是可行的,并具有全局收敛性。     

带3-分片NCP函数的无罚函数和滤子的SQP算法

对于非线性约束优化问题,提出了一种新的无罚函数和滤子的SQP算法。根据优化问题的一阶KKT条件,利用乘子和3-分片NCP函数,得到非光滑方程以致简化优化问题。在线搜索的过程中,采用无罚函数和滤子的方法。同时证明了该SQP算法是可行的,并具有全局收敛性。     

一种结合NCP函数的SQP滤子新算法

提出一种带非线性互补函数的信赖域序列二次规划滤子算法.通过引入滤子概念,避免了罚函数法中罚参数选择的困难.借助非线性互补函数简化了非线性规划问题的KKT条件,并用非线性互补函数代替滤子中的约束违反度函数,在一定的条件下证明了算法具有全局收敛性.数值试验结果表明算法是有效的.     

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.     

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．     

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．     

解约束优化问题的QP-free方法及其全局收敛性

对于约束优化问题,基于Fischer-Burmeister NCP 函数提出了一类新的QP-free方法.为了避免Maratos效应,引入了一个高阶修正方向.同时,算法采用线搜索以代替弧搜索.与其他传统的SQP方法不同,这个方法只需要在每步迭代中求解不多于三个线性系统的方程组,并且具有总体收敛性.在不需要假设聚点是孤立点的情况下,证明了序列的每个聚点都是优化问题的KKT点.     

解变分不等式问题的QP-free方法

提出一种新的QP-free方法解变分不等式问题.通过光滑化的Fischer-Burmeister函数,把变分不等式的KKT优化条件转换为一个简单的约束优化问题,并给出了解这个约束优化问题的迭代算法.这个方法的主要优点是：①能够解任意的变分不等式问题;②每步迭代只需解一个线性方程组;③算法是全局收敛的,在一定条件下是超线性收敛的.数值试验结果表明,这个算法是有效的.     

解不等式约束问题的不可行SSLE滤子算法

考虑将原不等式约束优化问题转化为与其等价的带等式约束的优化问题,并证明它们具有相同的KKT条件.转化后的问题要求其乘子是非负的,故其KKT条件与一般的等式约束优化问题不同. 针对这种具有特定的等式约束优化问题,提出了一种求解不等式约束优化问题的不可行序列线性规划滤子方法.该算法只需求解两个具有相同系数矩阵的线性方程组以得到搜索方向,因此计算量较小.最后给出了该算法的全局收敛性证明和数值结果.     

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.