求解非线性规划的可行SQP滤子算法

在求解非线性规划问题的方法中,SQP方法是最有效的求解方法之一,而滤子方法也由于有着良好的数值结果,近年来已经广泛应用于非线性规划问题的求解中。文章提出了一类将滤子技巧与可行SQP方法结合起来求解优化问题的方法,该方法保证了每个试探点都不会远离可行域。在适当的条件下证明了算法的收敛性,数值结果证明算法是有效的。     

带NCP函数的滤子SQP方法

提出了一种解约束非线性规划问题的算法,这种算法主要基于信赖域SQP方法,不需要使用罚函数作为价值函数,而是使用滤子去判断迭代点是否有效,从而解决了罚参数难选择的问题。同时还结合了NCP函数,使得最优点满足非线性互补条件。最后,从理论上分析了算法的全局收敛性,并通过数值试验说明本算法是有效的。     

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.     

解变分不等式问题的一类滤子SQP算法

针对一般形式的变分不等式问题,考虑将其转化为约束优化问题求解.对于这种特定的约束优化问题,提出了一类新的滤子序列二次规划(SQP)求解方法.基于变分不等式与约束优化问题的不同,在滤子条件中采用了一个二次价值函数作为目标函数,使得一般的变分不等式问题均可用滤子算法求解.采用SQP方法结合滤子方法获取试探步,只需要计算两个简单不等式判断试探步,算法易实现,计算量小.在较弱的条件下证明了算法的全局收敛性.最后,给出了算法的数值算例,与同类算法比较,结果良好.     

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.     

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．     

求解无约束全局优化问题的一种方法

提出一种新的求解无约束全局优化问题的方法,该方法把修正的BFGS方法与填充函数方法相结合,使得目标函数f(x)的当前局部极小点x*1可以移到目标函数的另一个局部极小点-x,且f(x*1)≥f(-x),同时-x也是填充函数的极小值点;然后再以为初始点求f(x)的局部最优解.反复以上过程,最终可以找到f(x)的全局最优解.     

一类带NCP函数的新Lagrangian乘子法

提出一类带非线性互补问题(NCP)函数的新Lagrangian乘子法,用来解满足等式约束和不等式约束的最优化问题.此方法以连续可微的罚函数为基础,通过求解一个新的无约束Lagrangian函数得到原问题的解,并且在一定的条件下还可得到此方法的全局收敛性.     

集映射算子和半光滑性

讨论n维空间C可微集映射算子,利用R^n的集映射算子来讨论函数的性质,并且把这思想应用于广义牛顿法．进一步讨论C可微集映射算子、半光滑、方向导数和连续性,以及它们之间关系．     

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.