非凸不可分离问题的广义交替方向乘子法的收敛性

交替方向乘子法（ADMM）是求解大规模优化问题和非凸非光滑问题的一种有效的方法,但当目标函数为非凸非光滑的情况时,原始ADMM算法的收敛性无法保证,且若目标函数中存在耦合函数,则算法的收敛性证明将更为复杂。在现实生活中存在的很多问题,其本质都是非凸的。因此,本文提出了一种改进的ADMM算法。与原始ADMM算法相比,该算法引入了一个松弛因子$\alpha $,构造了一种广义交替方向乘子法（GADMM）来求解具有线性约束的非凸不可分离优化问题。在一定的假设条件下,通过假设增广拉格朗日函数满足K-L不等式,证明了当惩罚参数足够大时,算法生成的序列收敛到增广拉格朗日函数的稳定点。     

一类非光滑约束优化问题的凝聚同伦内点方法

利用凝聚技术和组合同伦内点方法研究可行域满足伪锥条件下非凸域上的非光滑优化问题,构造性地证明了该类非光滑优化问题的广义K-K-T方程解的存在性,得到了求解K-K-T点的凝聚同伦内点方法,并证明了该算法具有全局收敛性.     

求解LC1约束优化问题的非精确广义牛顿法

通过将非线性LC^1约束优化问题的KKT条件转化成半光滑方程组,提出一个求解LC^1约束优化问题的非精确广义牛顿法,在一定的条件下证明了算法的全局收敛性和超线性收敛性．     

求解具有非精确信息的非光滑凸半无限规划束方法

提出一种邻近束方法来求解带有非精确信息的非光滑凸半无限规划问题.基本思想是通过离散化方法对下水平问题进行近似,然后提出一种新的邻近束方法求解近似问题.收敛性分析中证明了方法的收敛性,并且表明,在适当条件下,迭代点的任何聚点对于原始问题都是可行的.数值实验说明了该方法的有效性.     

一致K-(F_b,ρ)-凸多目标分式半无限规划的最优性充分条件

在一致K-(Fb,ρ)-凸、一致K-(Fb,ρ)-伪凸和一致K-(Fb,ρ)-拟凸等一些非光滑广义凸函数的基础上,研究了涉及此类广义凸性的一类非光滑多目标分式半无限规划.利用反证法证明了上述非光滑多目标分式半无限规划的一些最优性充分条件.     

求解一类无限维非光滑算子方程的光滑化牛顿法

研究一类无限维非光滑算子方程的光滑化牛顿法,构造光滑函数逼近非光滑算子.在半光滑假设条件下,证明了光滑化牛顿法具有全局超线性收敛性.研究表明,此算法可用来求解一类特殊的来源于无限维非线性互补问题的非光滑算子方程.     

一个广义三次样条光滑半监督支持向量机

研究半监督支持向量机分类优化模型的非光滑问题。建立了光滑半监督支持向量机模型,采用广义三弯矩法导出零点二阶光滑的广义三次样条函数,并以此逼近半监督支持向量机优化中的非光滑部分。构造出基于上述样条函数的具有一阶光滑的半监督支持向量机,从而可以用优化中的光滑算法来求解该模型。分析了广义三次样条函数逼近对称铰链损失函数的逼近精度,证明了新模型的收敛性。数值实验显示新模型有较好的分类效果。     

求解非线性等式和不等式问题的一种光滑化算法

给出了求解非线性等式和不等式问题的一种新算法.用Max函数将不等式约束转变为等式约束,建立了一个半光滑的无约束方程组系统,并设计了一种光滑化Gauss-Newton算法求解该系统.在适当条件下,证明了此算法的全局和局部收敛性.数值实验表明此方法的有效性.     

一个非精确广义牛顿算法的实现

通过将非线性LC^1约束优化问题的KKT条件转化成半光滑方程组，提出了求解LC^1约束优化问题的非精确广义牛顿算法．并给出了保证该算法超线性收敛的构造方法，使得算法得以实现．     

多面体约束非光滑复合函数的序列有效集方法

对带多面体约束的非光滑复合函数问题的求解进行了研究。针对非光滑复合函数问题,首先,构造光滑函数来逼近非光滑目标函数,通过求解光滑近似问题来达到求解原问题的目的。在此基础上,考虑多面体约束的特殊结构,运用序列二次规划算法的思想,利用有效集策略,通过逐次求解一系列仅含等式约束的二次规划问题来逼近搜索方向的最优解,再通过线搜索求得步长,进而得到下一步的迭代点。最后,从理论上证明了算法的全局收敛性,并进行了初步的数值实验。将该算法与光滑序列投影收缩算法作对比,结果表明,该算法在迭代次数和计算时间上都有一定的优势。     

带新的非线性互补函数的广义非精确牛顿法

提出了新的弱正则伪光滑非线性互补（NCP）函数，该函数具有良好的性质．在这个新的NCP函数基础上，求解一个目标函数和约束函数都是光滑的最优化问题．构造半光滑方程组，用来求解非线性约束最优化问题的KKT点，然后用新提出的广义非精确牛顿法解这个半光滑方程组．该方法是可实现的，且具有全局收敛性．最后还证明了在较弱假设条件下，它具有局部超线性收敛性．     

求解非光滑优化问题的改进大洪水算法

应用启发式算法求解非光滑优化问题,解决基于次梯度信息的确定性算法在求解时困难较大的问题.首先分析了基本大洪水算法的优化机理及特征并给出其求解步骤,然后针对无约束及盒子约束问题分别设计了改进的大洪水算法,将基本大洪水算法所依赖的参数up省去.对于无约束情形,提出了进行邻域搜索的随机行走法;对于盒子约束情形,提出了选择初始可行点的方法和进行邻域搜索的混沌优化算法.最后通过算例进行测试并与其他算法进行对比,测试结果表明了改进的大洪水算法在求解非光滑优化问题时的有效性与优越性,故其可作为求解非光滑优化问题的一种实用方法.     

求解非线性规划问题的光滑牛顿法

提出了求解等式与不等式约束非线性规划问题的一种新的光滑牛顿法.该方法基于光滑化min函数.通过KKT条件,将原约束优化问题转化为等价的光滑方程组来求解,同时在较弱的条件下证明了该算法的全局收敛性.数值试验表明这一方法是有效的.     

一类非凸非光滑多目标分式规划的最优性条件

研究了一类非光滑多目标分式规划问题.首先,借助于Clarke广义梯度,引入了一类广义不变凸函数概念.然后,在此基础上,给出并证明了该类非光滑多目标分式规划问题取得有效解和弱有效解的一些充分条件.     

广义半无限极大极小规划的一个新的最优性条件

由于广义半无限极大极小问题的极大函数的约束集合随x的变化而变化,增加了对该问题的理论分析和求解难度.为了克服这种情况,许多研究者考虑通过转化消除约束集合中的约束f(x,y)≤0.本文是通过一类由1范数定义的精确罚,将广义的半无限极大极小规划中的约束条件消除,使该问题转化为半无限极小极大极小规划.在不需要假设集合的条件下证明,当罚参数充分大时,半无限极小极大极小规划与广义半无限极大极小问题具有相同的最优值,相同的局部最优解以及相同的全局最优解.利用这种等价性,进一步给出了广义半无限极大极小问题的一个最优性条件.最后,对本文中建立的最优性条件与其它文献中的最优性条件之间的关系进行了讨论.     

求解非线性规划的一个连续化方法

带不等式约束的非线性规划,其KKT条件可以通过NCP函数转化为一个非光滑的方程组,然后用熵光滑化函数光滑化,得到一个带参数的方程组.提出了一个求解该参数方程组的非内点连续化方法,证明了该算法的全局线性收敛和局部二次收敛.计算结果表明了该算法的有效性.     

一类非光滑广义凸函数的数值解法

讨论一类非光滑广义凸函数（即：一个可微严格拟凸函数加上一个凸函数）的全局优化算法问题.通过引入广义梯度,给出下降方向和终止条件,提出一种算法,并且证明了这种算法是全局收敛的.     

求解非线性等式和不等式问题的一种光滑化算法

 给出了求解非线性等式和不等式问题的一种新算法．用Max函数将不等式约束转变为等式约束,建立了一个半光滑的无约束方程组系统,并设计了一种光滑化Gauss-Newton算法求解该系统．在适当条件下,证明了此算法的全局和局部收敛性．数值实验表明此方法的有效性．     

广义几何规划的一类全局收敛算法

以增广Lagrange函数为基础,采用比较先进的Armijo步长搜索策略,对等式约束下的广义几何规划问题提出了一种有效的拟牛顿乘子法,并且在适当条件下,可以避免罚因子趋于无穷,最后证明了该算法的全局收敛.     

修正增广拉格朗日函数凸半无限规划的对偶定理

针对凸半无限规划问题,构造了新的修正增广拉格朗日函数,并且利用该修正增广拉格朗日函数,对凸半无限规划的对偶性进行了讨论。证明了在合理的假设条件下,凸半无限规划问题与其拉格朗日对偶问题间强对偶性成立,并举例说明了定理的有效性。