MFCQ下的广义投影梯度算法

讨论了非线性不等式和等式约束优化问题在退化情形下的求解方法。首先通过引入恰当的罚函数，将原问题转化成一个只含不等式约束的辅助规划，给出了一般约束优化问题的广义梯度投影算法，在MFCQ下，证明了算法的全局收敛性。     

求解不等式约束问题的一类新的精确罚函数方法

对于光滑的非线性不等式约束优化问题,我们提出了一类新的精确罚函数,并给出了罚函数的精确性质的充分条件.在实际应用过程中,优化问题的可行域可能是空集.因此,本文在考虑了问题可能不可行的前提下,讨论了精确罚函数方法,并分析了其全局收敛性.最后通过数值实验,证明了该算法对于不同类型的罚函数是有效的.     

双参数精确罚函数求解约束优化问题的FR共轭梯度法

对于含约束不等式的最优化问题,给出一种双参数罚函数形式,提出了一个求解这种罚函数无约束优化问题的FR共轭梯度法,研究了它的收敛性.数值实验表明该算法是可行的.     

一个新的低阶精确罚函数及其性质

为了求解不等式约束非线性规划问题,提出一个新的低阶罚函数,它是经典l1罚函数和低阶罚函数的一种组合.理论分析和例子表明,新提出的低阶罚函数具有这两种罚函数的各自优点.另外,还提出了一个求解此问题的罚函数方法并证明了该方法的全局收敛性.     

一种求解非线性约束优化问题的粒子群优化算法

提出一种新的基于粒子群优化算法求解非线性约束优化问题的方法.通过引入自适应的退火罚因子和不可微精确罚函数来处理约束条件,可以使算法逐渐搜索到可行的极值点.数值实验证明了算法是有效的.     

带3-分片NCP函数的无罚函数和滤子的SQP算法

对于非线性约束优化问题,提出了一种新的无罚函数和滤子的SQP算法。根据优化问题的一阶KKT条件,利用乘子和3-分片NCP函数,得到非光滑方程以致简化优化问题。在线搜索的过程中,采用无罚函数和滤子的方法。同时证明了该SQP算法是可行的,并具有全局收敛性。     

带3-分片NCP函数的无罚函数和滤子的SQP算法

对于非线性约束优化问题,提出了一种新的无罚函数和滤子的SQP算法。根据优化问题的一阶KKT条件,利用乘子和3-分片NCP函数,得到非光滑方程以致简化优化问题。在线搜索的过程中,采用无罚函数和滤子的方法。同时证明了该SQP算法是可行的,并具有全局收敛性。     

一个新的光滑低阶精确罚函数

对不等式约束优化问题提出了一种新的低阶精确罚函数的构造,使其转化为易求解的无约束优化问题;给出了光滑罚问题与非光滑罚问题,光滑罚问题与原问题的目标函数值之间的误差估计,并且在弱的假设条件下证明了光滑罚问题的全局最优解是原问题的近似最优解.     

优化潮流牛顿算法的研究及应用

研究了电力系统优化潮流问题的牛顿算法，并将该算法应用于求解无功优化问题。在算法上结合电力系统的ＰＱ解耦特性，采用主迭代之后进行试验迭代的方式来处理越界的不等式约束。在试验迭代中，应用稀疏矢量技术，提高了确定起作用不等式约束的效率。在主迭代中，提出了一种拟罚函数算法，处理有功电源和无功电源不等式约束，进一步提高了计算速度。无功优化问题的计算实例证明本文的算法是有效的。     

一般约束非线性优化的增广Lagrangian算法

构造了一个求解一般约束非线性优化问题的增广Lagrangian算法，通过引进函数ψ（x)=max{g(x),-λ/r}可直接处理不等式的约束情形，并且每次只需近似地求出对应增广Lagrangian罚函数的局部最小点，在一般假设下，算法产生的点列的任意聚点都是问题的K-T点。     

广义梯度投影下的强次可行方向法

利用广义投影技术建立一个求解非线性不等式约束优化问题的强次可行方向法。该算法不但不使用任何转轴运算和罚函数技术，而且只用广义ε－积极约束集确定广义投影阵，搜索方向也十分简单。     

一般非线性约束优化问题的信赖域法

通过引进松弛变量和极小化增广 Lagrange 函数的方法,将等式约束的非线性优化问题推广到不等式约束和一般约束的情形,同时将滤子技巧和信赖域法相结合,提出一种求解非线性约束优化问题的信赖域新算法,扩大了算法的适用范围,提高了算法的计算效率,并通过数值试验说明算法的有效性     

约束最优化问题的非线性无约束方法

总结了近年发展的对不等式约束最优化问题的非线性拉格朗日方法,讨论了零对偶间隙,最优化条件的收敛性以及精确非线性罚函数.     

一种结合NCP函数的SQP滤子新算法

提出一种带非线性互补函数的信赖域序列二次规划滤子算法.通过引入滤子概念,避免了罚函数法中罚参数选择的困难.借助非线性互补函数简化了非线性规划问题的KKT条件,并用非线性互补函数代替滤子中的约束违反度函数,在一定的条件下证明了算法具有全局收敛性.数值试验结果表明算法是有效的.     

双曲余弦罚函数法

对求解一般约束优化问题提出一种新的双曲余弦罚函数算法,并证明了算法的收敛性.数值实验表明了算法的有效性.     

模拟退火法用于电压稳定分析

为了提高用于电压稳定分析的非线性最优化方法的效率,提出了将模拟退火法和单纯形法相结合求解非线性最优化问题的新算法,避免了在全局最优点附近的大量低效搜索,提高了模拟退火法的计算效率。应用这种新算法求解静态电压稳定极限,用５节点系统进行验证得到了满意的结果。求解静态电压稳定极限问题可以等效为含有非线性等式约束和不等式约束的非线性最优化问题,采用内点法将不等式约束问题转化为等式约束问题,再通过引入罚函数转化为无约束最优化问题,然后应用本算法进行计算,结果表明新算法是有效的。     

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.     

基于Lagrange优化神经网络的盲多用户检测

Lagrange优化神经网络克服传统的基于罚函数的神经网络的缺陷,直接对不等式约束进行处理,降低网络规模和复杂度,是一种新型的优化神经网络.基于这种Lagrang优化神经网络,提出一种盲多用户检测算法,并通过仿真表明,该算法在误码率性能方面有所改善,收敛速度也明显提高.     

一种求解不等式约束凸优化问题的内点方法

文章给出一种求解不等式约束的凸优化问题的内点方法,此法能保证迭代过程中迭代点仍为内点,解决了IPA每步迭代需要假定迭代点在可行域内部,并不需要罚因子趋于零,从而避免传统内点障碍函数法由于罚因子趋于零导致的病态问题.最后给出了数值实验,实验表明,算法是有效的.     

基于精确目标罚参数的遗传算法

结合一种精确目标罚函数和遗传算法,提出新的算法;算法能将约束优化问题转化为无约束优化问题,同时具有遗传算法的全局搜索能力,避免陷入局部收敛;给出并讨论了精确罚定理,实验结果表明了算法的有效性.