带有锥约束的全局最优化问题的修正拉格朗日方法

针对锥约束的非线性规划问题,给出了一个基于修正拉格朗日的全局优化算法,这类算法可广泛应用于工程设计和非线性系统分析等实际问题中.对于每一次迭代k,当εk→ε时,给出了与该锥约束修正拉格朗日方法相对应的εk—全局最优解,并证明了算法全局收敛到ε—全局最优解.     

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.     

大规模过程系统优化的序列界约束方法

基于非线性约束极小化的序列无约束方法,对大规模过程系统稳态优化的序列界约束方法进行了研究.该约束方法的罚函数只包含对等式和/或不等式约束的惩罚项,不包含对界约束的惩罚项,通过迭代求解一系列界约束极小化子问题而非无约束极小化子问题获得原问题的解;算法按2层结构实现,内层结构中主要求解界约束极小化子问题得到下一个迭代点,外层迭代主要修改乘子向量和罚向量以及检查收敛准则是否满足,重构下次迭代的界约束子问题,或在收敛准则满足时终止算法.此外,给出了求解界约束极小化子问题的修改截断Newton法,并用一类规模可变的约束优化问题和一类最优控制问题对所给方法进行了数值试验,试验结果表明,所给序列界约束方法是非常稳定和有效的.     

一种基于非均匀惩罚因子的序列无约束最优化外点新算法

增广拉格朗日乘子方法（Augmented Lagrange multiplier method）是拉格朗日乘子方法（Lagrange multiplier method）的推广,它是一种序列无约束的最小化技术,包括内点法和外点法,内点法适用于仅有不等式约束的情形,其主要思想是对违背可行性的约束给予一个惩罚。传统的做法是：对所有约束以相同的罚因子,自适应调整Lagrange乘子。提出了一种非均匀惩罚的自适应更新罚因子的方法,即根据近似解对约束违反的严重程度施行不同惩罚的新方法。算例表明,本方法是有效的。     

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.     

基于BB步长的一类原始-对偶算法

增广拉格朗日乘子法(ALM)是求解带等式约束的二次凸优化问题的常用方法，但罚参数选取不当时，收敛速度比较慢.提出ALM-BB算法，利用Barzilai-Borwein(BB)算法的步长去改进原始的ALM,证明ALM-BB算法的收敛性.最后将这类方法运用于求解范数最优控制问题.数值算例表明改进的算法收敛速度更快.     

关于B-不变凸约束优化问题解集的刻画

给出了不同的带不等式约束的B-不变凸优化问题的最优解集的刻画,其结果用梯度和拉格朗日乘子表示。首先,证明了带不等式约束的B-不变凸优化问题的可行域和最优解集都是不变凸集,其次,建立了B-不变凸优化问题的拉格朗日函数在最优解集中是常值函数,然后,利用该性质得到了一些拉格朗日乘子为基础的最优解集的刻画。     

基于最差性能最优的稳健宽带恒定束宽波束形成

针对存在指向误差时传统宽带波束形成器性能下降的问题,提出一种基于最差性能最优的稳健宽带恒定束宽自适应波束形成算法.该算法首先利用空间响应变化约束,实现宽带恒定束宽;然后在约束边界上推导最差性能最优方法的等式约束表达式,并利用拉格朗日乘子法求解最优权矢量;最后给出了拉格朗日乘子的取值范围.仿真实验和理论分析表明:该算法在实现恒定束宽的同时具有较高的阵列输出性能和较好的稳健性;另外,该算法的参数选取方法较为简单,避免了传统最差性能最优方法中的广义特征值分解、牛顿迭代及二阶锥规划求解等,计算量较低.     

初始点任意的超线性收敛次可行方向法

给出非线性不等式约束最优化问题的一个超线性收敛算法。方法的特点是:(1)初始点可任驭,每次迭代至多解两个二次规划;(2)一旦迭代点进入可行域,方法将成为可行方向法;(3)给出了罚参数的调整方法,且在适当条件下,罚参数在有限次调整后可固定不变。     

最大化夏普比率的交替方向乘子法

为使用交替方向乘子法(ADMM)求解夏普比率最大值,在将非凸函数夏普比率转化成凸函数后,证明其定义域也是凸的,设计了增加拉格朗日乘子循环的ADMM进行求解,在一定条件下证明了算法能够收敛到最优解。在实证分析中,找到了使ADMM算法收敛最快的松弛因子,并将其与其他求解凸规划的类似算法进行比较,得出ADMM算法的表现更加优越,其收敛速度也相对较快。     

基于离散Lagrange方法的分布式SAT问题求解

基于对离散Lagrange方法(DLM)的扩充，提出一个分布式SAT求解算法：EDLMSAT。求解过程中，单个Agent的行为由预先定义的EDLM规则所决定，这些局部的行为聚集起来，形成整个系统对问题的求解趋势。设计了一些对3-SAT基准问题的模拟实验，实验结果表明了这个算法良好的求解性能。     

约束DC优化的双束法及对偶问题

针对带有凸不等式约束的非光滑DC优化问题,提出了一种基于罚函数的凸约束DC优化问题双束法,同时也刻画了双束法子问题的对偶问题;首先,利用L_1精确罚技巧把凸约束DC优化问题转化成无约束DC优化问题,便于直接对目标函数进行DC分解,然后分别建立了增广目标函数DC分量的凸分段线性近似模型,最后利用Lagrange函数得到了原问题和对偶问题最优解之间的等价关系,说明了利用对偶问题求解搜索方向的可行性和有效性。     

用最优化计算方法进行型线光顺优化设计

通过对某些特定舰船型线光顺设计问题的数学分析，建立了型线光顺设计问题的数学模型，提出了用约束最优化计算方法进行型线优化设计，并通过混合罚函数和增广Lagrange乘子法这两种最优化计算方法的对比，验证了增广Lagrange乘子法的优越性。     

多传感器最优信息融合稳态Kalman滤波器

Lagrange乘数法给出了按矩阵加权线性最小方差最优融合估计公式新的推导。在此基础上提出了多传感器最优信息融合稳态Kalman滤波器。其中用迭代法求解局部滤波误差协方差阵所满足的Lyapunov方程,证明了迭代解的指数收敛性,且收敛速度与Kalman滤波器的转移阵的谱半径有关。两传感器目标跟踪系统的仿真例子说明了其有效性。     

一种新的Lagrange乘子法

基于Lagrange乘子法中将与不等式约束相关的乘子定义为原乘子的正定函数,用同样的方法处理不等式约束和等式约束的构想,构造了一种新的Lagrange乘子法. 分析了该算法的收敛性,并利用LaSalle不变集原理揭示了算法稳定机制及如何减弱收敛条件和扩大收敛域. 分析表明,算法在稳定因素和不稳定因素的综合作用下获得最优解.     

基于最小自由能法的理想气相反应平衡新算法

针对目前采用最小自由能法计算理想气相反应平衡问题存在的不足,提出了梯度投影拉格朗日算法。算法中,采用了弱收敛准则作为梯度投影法的收敛标准,并从数学上证明了梯度投影法采用弱收敛条件的合理性和算法的收敛性,基于此,将梯度投影法的计算结果作为牛顿法计算拉格朗日乘数法的计算初值,同时对牛顿法的迭代步长进行了改进,从而解决了牛顿法计算初值选取困难的问题,提高了算法的稳健性和计算速度。算例计算结果表明,该算法的收敛速度快且计算精度高。     

近次似凸集值优化的最优性条件与Lagrange乘子存在性

在序线性空间中,引入近次似凸集值映射向量优化问题的数学模型.利用近次似凸集值映射下的择一性定理,在弱有效解意义下,建立了序线性空间中近次似凸集值优化问题的最优性条件,标量化定理及其Lagrange乘子存在性.     

基于拉格朗日函数鞍点理论的梯度最优潮流算法

拉格朗日函数的鞍点符合非线性规划的K-T条件,是一种特殊的逗留点,当满足凸性条件时,又是全局最优解.在梯度法最优潮流的求解过程中,确定不等式约束的拉格朗日乘子以及求取最优步长等比较困难,文中在采取一定假设的基础上,运用鞍点迭代算法进行上述问题的求解.最后将该方法应用于IEEE-30节点系统,验证了它的有效性.     

R~n空间中点到超平面的距离

用Ｌａｇｒａｎｇｅ乘子法给出有限维欧氏空间中点到超平面的距离的一个计算公式     

基于约束优化问题乘子罚函数方法的全局收敛性分析

针对最优化问题的增广Lagrange乘子罚函数方法给出了其收敛性结论。该方法提出的惩罚机制使得迭代点的可行性得到有效控制,通过添加Lagrange乘子有效避免了罚因子无限增大所带来的数值病态问题。全局收敛性结论表明了此方法的可行性。