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。     

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。     

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．     

非凸函数的限制Broyden族算法的全局收敛性

提出一个条件，对非凸函数，具有Ｗｏｌｆｅ搜索的限制Ｂｒｏｙｄｅｎ族（Φ∈［０，１））算法在此条件下有全局收敛性．     

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.     

Broyden非凸族的收敛性

利用Ｄｙｒｄ等人给出的ψ函数，分析了Ｂｒｏｙｄｅｎ非凸线，对于一致凸函数，证明了Ｂｒｏｙｄｅｎ非凸族的全局和超线性收敛性。     

关于Broyden算法类中两个新开关算法的全局收敛性

文中详细给出了在变分的意义下,Broyden算法类中两个新开关算法的推导过程,并证明了Wolfe在不精确线性搜索准则下,它们具有全局收敛性。     

求解LC^1优化问题的快速收敛算法

在文献[1]中Xiaojun Chen给出了一个用于解决LC^1线性约束优化问题BFGS－SQP算法。这个算法是用Armijo线性原则来求步长的。本文采用Wolfe线性搜索原则来替代该BFGS－SQP算法的Armijo原则,经过类似的分析,同样得到了BFGS－SGP算法的全局收敛性及超线性收敛性。     

等式约束非线性最优化问题的一个降维算法

本文利用等式约束问题K-T点的一个充分条件,按照最小二乘法将等式约束问题转化为无约束最优化问题,从而提出了一个等式约束最优化问题的降维算法.     

线性等式约束多目标最优化问题的一个新降维算法

利用等式约束最优化问题的一个K-T条件,首先将等式约束最优化问题转化为无约束问题,利用Gauss-Newton法进行求解,得到求解最优化问题的一种新思路;然后针对线性等式约束多目标最优化问题,利用最短距离理想点法,将其转化为线性等式约束最优化问题,从而提出了一种新算法.最后给出算法收敛性的证明,例题表明算法是有效的.     

约束问题修正BFGS方法的局部超线性收敛性

将Li—Fukushima提出的求解无约束最优化问题的修正BFGS法加以改进,应用于求解等式约束最优化问题。该方法的主要优点在于其迭代矩阵总保持对称正定。在一定的条件下,证明该方法具有局部超线性收敛性。     

一个不等式约束问题的SQP方法及其收敛性

提出一个关于不等式约束问题的SQP算法,其效益函数为非可微精确罚函数,罚因子具有自动调节性.通过求解一辅助线性方程组,获得二阶修正步,并利用弧式搜索,建立了问题的一个可行下降算法.在一定的假设条件下,证明了算法是全局收敛的,并且具有超线性收敛速度.     

一个可行模松弛SQP方法及其全局收敛性

提出一个处理不等式约束优化问题的可行模松弛SQP算法,每次迭代只需求解一个二次规划子问题.无需对迭代序列进行有界假设,采用线性搜索,在一些微弱假设条件下,证得了算法具有全局收敛性质.     

一个新的求解等式约束优化问题的信赖域算法

给出一个新的求解等式约束优化问题的信赖域算法．在一定条件下，得到算法的整体收敛性．     

非线性约束优化的一个共轭投影梯度法及其全局收敛

针对非线性等式和不等式约束优化问题,结合罚函数法,提出一个共轭投影梯度法,并证明该方法的全局收敛性,给出有效的数值实验.     

一个共轭梯度方法的全局收敛性

给出一种较弱的线搜索:寻找一个步长tk=jρkΔk满足f(xk jρdk)-f(xk)≤αjρgkTdk-m2(jρ)2‖dk‖2,α∈(0,1),ρ∈(0,1),m>0和gkT 1dk 1<0,将此线搜索应用于求解共轭梯度公式的βk*,得到一种新共轭梯度算法,并证明新算法具有全局收敛,用数值实验说明新算法是有效的.     

无约束优化问题线搜索方法的收敛性

在较弱条件下给出了5种线搜索准则下的线搜索方法的收敛结论,这些结论对于构造快速有效的收敛算法是十分有用的。表明了搜索方向在这些方法中起主要作用,同时步长在一定条件下保证了算法的全局收敛性。说明了算法可用于求解更广泛的无约束优化问题。