线性等式约束优化问题的一个信赖域方法

将ＡＢＳ算法用于求解线性等式约束的优化问题。给出一个信赖域算法；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。     

应用ABS算法求解一类不定线性方程组

运用ＡＢＳ算法讨论了等式约束优化问题中的拉格朗日乘子法所形成的线性方程 组的求解问题；利用 ＡＢＳ算法的隐式 ＬＱ分解，通过有限步迭代求出原问题变量 的解，同时形成求解乘子的上三角系数阵的方程；给出了算法的具体过程，分析其数 值稳定性和计算量；作为特例，将最小二乘问题的法方程化为文中方程形式，并给出 了一种计算方法。     

关于拟牛顿法求解等式约束优化问题的超线性收敛条件

拟牛顿法是求解约束优化问题的有效方法之一,许多作者在理论上讨论了此类算法的全局收敛性和收敛速度,但关于收敛速度的条件讨论较少．Ｂｏｇｇｓ等人给出了一个拟牛顿方法求解等式约束优化问题的超线性收敛的充要条件,但假设条件较强．本文利用分析和代数的技巧,在较弱的条件下证明了该算法的超线性收敛的充要条件仍然成立．     

线性等式约束非线性最优化问题的一个新算法

有文献给出了一般等式约束非线性最优化问题的一种求解途径。在此基础上将线性等式约束非线性最优化问题转化为非线性最小二乘问题求解,提出了求解最优化问题的一种新思路。然后利用Gauss-Newton法求解非线性最小二乘问题,在求解过程中引入非精确的一维搜索,提高了计算的效率,加快了算法收敛的速度,从而找到了具有线性等式约束非线性最优化问题的一个新算法,算法具有很好的收敛性,收敛速度是二阶的。最后经过数值实验证明新算法与Matlab优化工具箱计算的结果一致,是可行的、有效的。     

非线性约束条件下的广义投影梯度法

对非线性约束条件下的优化问题提出了三个广义投影梯度方法。算法Ａ能够求解非线性不等式约束优化问题。在此基础上，又提出了能够求解非线性等式和不等式约束优化问题的算法Ｂ．进一步，通过简化算法Ａ，又给出了能够专门求解一般线性约束优化问题的算法Ｃ．并且在较弱的假设下，证明了三个方法的全局收敛性。     

一个新的求解等式约束优化问题的依赖域算法的超线性收敛分析

对文［１］提出的一个求解等式约束优化问题的依赖域算法进行超线性收敛分析。     

一个新的求解等式约束优化问题的信赖域算法的超线性收敛分析

对文[1]提出的一个求解等式约束优化问题的信赖域算法进行超线性收敛分析.     

线性等式约束非线性最优化问题的一个新算法

有文献给出了一般等式约束非线性最优化问题的一种求解途径。在此基础上将线性等式约束非线性最优化问题转化为非线性最小二乘问题求解，提出了求解最优化问题的一种新思路。然后利用Gauss-Newton法求解非线性最小二乘问题，在求解过程中引入非精确的一维搜索，提高了计算的效率，加快了算法收敛的速度，从而找到了具有线性等式约束非线性最优化问题的一个新算法，算法具有很好的收敛性，收敛速度是二阶的。最后经过数值实验证明新算法与Matlab优化工具箱计算的结果一致，是可行的、有效的。
     

等式约束优化问题SQP算法的超线性收敛充要条件

对于等式约束问题，Boggs，Tolle和Wang三人将Dennis，Mo埏的求解无约束优化问题的类似结果加以推广，得到了SQP算法超线性收敛的一个极为重要的充要条件。许多研究学者又作了的改进，进一步减弱假设条件，得到了同样的等式约束问题的SQP算法超线性收敛的充要条件。     

约束优化问题的一种投影梯度Lagrange乘子法

运用Lagrange乘子法,将一般约束优化转化为仅含等式约束的优化问题,然后就线性与非线性两种情况进行讨论,通过投影梯度法来求解优化子问题。对于线性的情况得到一种可以不用计算初始点的最优化算法,最后的数值算例说明了算法的可行性与有效性。     

非线性等式约束优化的信赖域算法

提出了求解一般非线性等式约束优化的信赖域算法。运用了不同方法在信赖域内求解原优化问题的二次近似模型的解,通过收敛性分析,获得了算法的整体及局部超线性收敛等结果,并给出了算法的执行细节。     

仅含线性等式约束多目标规划的一个算法

给出了求解仅含有线性等式约束的多目标规划的一个算法。主要用线性加权法将多目标规划问题转化为仅含有等式约束的单目标二次规划问题,并通过算例说明了该算法的有效性与可行性。     

求解一类二次规划的有限性收敛算法

在已有文献的基础上．借助于ＡＢＳ订法．构造了求解一类二次规划（等式约束和变量非负）的算法．并讨论了算法的有限性收敛性质．     

等式约束优化的投影拟牛顿法的非单调依赖域算法

提供了分解投影拟牛顿法结合非单调信赖域算法求解非线性等式约束优化问题。在合理的条件下，证明了算法的整体收敛性，通过引进二阶矫正步克服了MARATOS效应，使算法保持了局部超线性收敛速度     

等式约束优化的投影拟牛顿法的非单调信赖域算法

提供了分解投影拟牛顿法结合非单调信赖域算法求解非线性等式约束优化问题。在合理的条件下，证明了算法的整体收敛性，通过引进二阶矫正步克服了MARATOS效应，使算法保持了局部超线性收敛速度。     

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.     

一种改进的求解含等式约束凸二次规划问题的Lemke算法

通过对经典的Lemke互补转轴算法求解含有等式约束的凸二次规划问题的分析,发现所得到的线性互补问题(LCP)可能是退化的.由Lemke算法求解(LCP)问题的迭代过程,通过六个命题说明了含有等式约束的凸二次规划问题对应的(LCP)问题退化的原因,并对经典的Lemke算法的迭代过程进行修正,提出了一种改进的Lemke算法,这种算法能有效地搜索到含等式约束凸二次规划问题的最优解.     

关于线性等式约束极小化中的ABS下降方向

对最近几年中利用ＡＢＳ算法研究线性等式约束极小化中下降方向的工 作进行了综述；结果表明，目前流行的许多极小化下降方向都可统一于 ＡＢＳ下降方向．对某些基本线搜索的ＡＢＳ形式，给出了一条有关不精确线 搜索算法的收敛条件的等价定理．     

等式约束优化问题的非单调信赖域算法

本文就等式约束优化问题,结合当前比较流行的非单调技术,提出了一种求解等式约束优化的非单调信赖域算法.在没有正则性条件的假设下我们证明了算法是有定义的。     

一类新的求解约束优化问题的锥模型信赖域算法

本文提出了一类新的求解线性等式约束优化问题的锥模型信赖域算法.不同于以往的求解约束问题的锥模型信赖域算法,无论试探步是否被接受,我们在每步都采用Wolfe线搜索得到下一个迭代点,避免了重解子问题,并且保证了序列{Bk}满足拟牛顿方程及其正定性.在适当条件下,证明了算法的全局收敛性,数值试验表明该算法是有效的.