整体收敛的非线性等式约束优化问题的不精确修正正割方法(

通过使用线搜索技术,提出了一类具有整体收敛性的不精确修正正割算法解非线性约束优化问题.引入Fletch-er罚函数作为价值函数克服了产生Maratos效应.在合理条件下证明了该类算法具有二步q阶超线性收敛速率.进而,对于约束进行很小的额外计算改进了此类算法,以使新算法具有一步q阶超线性收敛速率.数值实验的结果证明了该算法的有效性和可行性.     

解非凸半定规划问题的一个修正Lagrangian算法

对于一般非凸半定规划,给出了一个修正Lagrangian函数及其相关算法,建立了参数解的误差估计式,并证明了算法的局部收敛性,即在适当条件下,罚参数存在一个阈值,当罚参数小于这一阈值时,由此修正Lagrangian算法产生的序列局部线性收敛到原问题的KKT点。     

非线性优化问题的光滑化序列二次规划方法

为了获得序列二次规划方法的全局收敛性,通常需要借助一个罚函数,但常用的罚函数由于具有不可微性从而给计算带来一定的困难,拉格朗日函数虽然可以克服此困难,但其形式较为复杂,为解决该问题,给出了一类光滑化罚函数.基于一类双曲余弦型光滑化罚函数,提出了等式约束优化问题的一个光滑化序列二次规划方法.该光滑化函数具有良好的连续、可微性和凸性质,在适当条件下,获得了算法的全局收敛性,并给出数值测试说明了算法的有效性.     

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.     

双参数精确罚函数求解约束优化问题的FR共轭梯度法

对于含约束不等式的最优化问题,给出一种双参数罚函数形式,提出了一个求解这种罚函数无约束优化问题的FR共轭梯度法,研究了它的收敛性.数值实验表明该算法是可行的.     

受约束时间最优控制问题罚函数收敛性分析

通过罚函数方法,受约束时间最优控制问题的求解可转化为对带罚函数的无约束最优控制问题的求解。文中证明当罚子趋于无穷大时,用罚函数构造的无约束最优控制问题的解收敛于原来受约束时间最优控制问题的解,从而为用罚函数方法求解约束时间最优控制问题提供理论保证。     

两阶段结合形式的梯度投影法

借助梯度投影给出非线规划问题的一个算法,它避开复杂的罚函数。但方法仍可用任意点作为初始迭代点,且将初始化阶段和最优化阶段密切结合起来,一旦迭代点进入可行域,方法将成为可行方向法。在强非退化假设下,算法收敛于问题的Ｋ－Ｔ点。     

利用Fisher函数解约束优化问题的广义梯度投影算法

通过引入一个辅助优化问题,将广义投影与罚函数技巧和F isher函数(a,b)=a2 b2-(a b),a,b∈En的特殊性质:a2 b2-(a b)=0 a≥0,b≥0,ab=0结合起来,给出处理非线性等式、不等式约束问题的广义梯度投影算法,并证明该算法是全局收敛的.该算法不仅保持文献[6]的优点,而且还扩大了初始点的选择范围.     

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.     

解非凸半定规划的一个Lagrange方法

基于一个求解一般非凸半定规划问题的非线性Lagrange函数,给出了其相关算法,研究了函数的性质,证明了算法的收敛性。在适当的条件下,当罚参数大于某一阈值时,算法产生的序列局部收敛,由此给出了与罚参数相关的解的误差估计。     

双曲正弦罚函数法

对求解一般约束优化问题提出一种算法,并证明了算法的收敛性,数值实验表明了算法的可行性.     

约束优化的两块校正非单调回代法

提出一种二块校正既约Hessian方法的非单调信赖域回代算法来解决约束优化问题。一般采用二块校正的双边既约Hesse阵方法代替完全Hesse阵方法处理大规模问题。为了获得算法的整体收敛性，引入非光滑的l1罚函数作为势函数。在每次回代中不必使罚函数都单调递减，以使能克服高度非线性情况下的峡谷状态，同时采用二阶校正步计算能避免Maratos效应。只要每一步迭代至少运用两种校正规则之一，算法就能保持一步局部Q－超线性收敛速率。     

解混合线性互补问题的罚方法研究

在将混合线性互补问题转化为求解非光滑方程组的基础上,建立了求解混合线性互补问题的罚方法,并且在一定条件下证明了算法的收敛性,最后通过数值算例验证了算法的可行性.     

一个修正的SQP算法及其超线性收敛

通过修改传统的二次规划子问题,并将Armijo-型线搜索技术应用到一类罚参数可自动调整的罚函数,建立一种新的可行序列二次规划算法。克服了子问题可能会出现不可行的情况,并保证子问题在任意迭代点处都是可行的。在合理的假设条件下,证明了算法是具有全局收敛和超线性收敛的。     

非线性等式约束分解信赖域算法(Ⅰ)

本文采用分解、合成的思想,求解非线性等式约束优化问题,第一节,介绍了算法的发展;第二节,利用Fletcher罚函数,给出本文使用的两个算法:通常信赖域算法,非单调信赖域算法。非单调信赖域算法是通常信赖域算法的推广,算法实践表明:非单调信赖域算法更具优越性,开始受到充分重视。     

线性互补约束优化问题的一个序列线性方程组算法

本文讨论线性互补约束规划问题，首先利用一个广义互补函数和摄动技术将问题转化为含参数μ的一般非线性优化问题，然后利用特殊形式的罚函数作为效益函数，建立问题的一个序列线性方程组算法，在适当的条件下，证明了该算法具有全局收敛性。