一个对数障碍函数方法(英文)

对数障碍函数方法是文献中非常流行的求解不等式约束优化问题的序列无约束优化方法.众所周知,对数障碍函数在线性规划与线性半定规划的内点方法中起着重要的作用.但是,在传统的对数障碍函数方法的收敛性分析中,往往要求要精确求解子问题或障碍函数的梯度要满足一苛刻的条件,这导致在实际计算中耗费大量的计算量.为克服这一缺点,笔者给出求解约束优化问题minx∈n+f(x)的一个对数障碍函数方法.该方法根据对数障碍函数的梯度的范数校正惩罚参数,不需要精确求解每一对数障碍函数的极小点.这一惩罚参数的校正规则保证在求解子问题时只迭代少数的几次,而不需要障碍函数的梯度满足苛刻的条件.我们给出该方法的性质并证明了方法的全局收敛性.     

一类参数拟变分不等式解映射的伴同导数

由Mordukhovich准则可知,伴同导数是研究解映射类Lipschitz性质的主要工具,所以研究参数拟变分不等式的解映射的伴同导数具有重要的理论意义.主要研究了一类等式和不等式约束的参数拟变分不等式的解映射的伴同导数的估计式.首先在某些平稳性条件下,通过法锥的具体表达形式给出了参数拟变分不等式的解映射的伴同导数的指标形式表达的估计式,然后在数学规划常用的约束规范下,建立了伴同导数等于其估计式的充分条件.所得的结果完善了已有的一个伴同导数表示定理.     

寻找非线性规划问题Kuhn-Tucker 点的一种微分方程方法

为了寻找带有等式约束和不等式约束的非线性规划问题的Kuhn-Tucker点,给出了一种微分方程系统.在一定的条件下,证明了非线性规划问题的Kuhn-Tucker点是微分方程系统的渐进稳定平衡点,并且基于一般微分方程系统的数值积分建立了一个数值算法,然后给出了该数值算法的收敛性定理.数值算例表明了该算法的有效性.     

线性等式约束优化问题的一个依赖域方法

将ＡＢＳ算法用于求解线性等式约束的优化问题。给出一个依赖域算法；该算法中用隐式ＬＵ分解算法修正Ｈｅｓｓｅ矩阵，用对称的ＡＢＳ算法求解子问题。证明了由算法生成的序列的任意聚点满足线性等式约束优化问题最优解的必要条件。     

非线性半定规划的雅可比唯一性定理

提出了非线性半定规划的雅可比唯一性条件,证明在这一条件下,刻画 KKT 条件的映射在KKT点处导数是非奇异的。在雅可比唯一性条件下,证明了非线性半定规划的稳定性定理并建立了下层为非线性半定优化问题的一类特殊双层规划的必要性最优条件。     

二维装箱问题非线性规划模型和算法

二维装箱问题是具有广泛应用背景的一类组合优化问题,这类问题是NP难问题,很难得到精确解.将二维装箱问题表示为一个非线性规划模型,用变分分析中切锥的概念建立了这一优化问题的一阶最优性条件.给出了求解这一优化问题的增广Lagrange方法,并求解了具体问题.数值实验表明增广Lagrange方法适合求解该问题,对于不超过10个物品的装箱问题可以求得精确解.     

微生物连续发酵过程线性反馈最优控制

研究了一类微生物连续发酵生产1,3-丙二醇的线性反馈最优控制策略.将稀释速率D和注入的甘油浓度C_(s0)作为控制变量,建立线性反馈控制器使得1,3-丙二醇的产量最大化.首先通过非线性动力系统模型,将最优化问题描述出来并引入线性反馈策略,使用精确罚方法找到这个半无限优化问题的近似问题.进而基于梯度优化,使用一种标准的非线性优化方法给出了近似问题的解,从而得到原优化问题的最优解并求得反馈控制参数.由于线性反馈控制策略可以实现闭环控制,很好地保证了鲁棒性,取得了一定的成效.     

不等式约束的广义拟可微优化问题最优性条件

Bracken—McGill双层规划问题和其他某些熏要的不可微优化问题均是广义拟可微优化问题，这类问题的最优性条件的研究是非常重要的．为此提出了一个关于一类正齐次函数的Farkas引理，基于这一引理，在一约束规范之下，建立了不等式约束的广义拟可微优化问题的最优性条件，并证明约束规范是一个正则条件的充分条件．     

一般约束凸规划极大熵方法的收敛性

带约束的极大极小问题是一类不可微优化问题，通常的解决是通过增加约束将其转化为可微优化问题，极大熵方法是一种用光滑函数逼近最大值函数的方法；基于这种方法，给出一种求解带一般约束的极大极小问题的逼近方法，并针对凸规划问题证明了这种方法的收敛性，即当控制参数趋于正无穷时，近似问题的最优解收敛于原问题的最优解。     

求解半光滑方程组的LM方法收敛性分析

Levenberg-Marquardt(LM)方法是一个经典并且有效的求解非线性方程组的方法,但是目前的研究都是针对光滑方程组的.在这样的背景下,研究求解半光滑非线性方程组的LM方法.构造了求解半光滑方程组的一个参数调整LM方法(S-PALM),其中LM参数在每次迭代中是基于实际下降量和预测下降量的比值自动更新的.在水平有界的前提下,得到了S-PALM方法的全局收敛性.在强BD正则性成立的条件下,得到S-PALM方法的局部超线性收敛速度.