优化问题的序列线性方程组解法

拟牛顿算法是求解无约束优化问题的有效算法.序列二次规划方法是将拟牛顿算法应用于求解约束优化的推广与发展,它保持了拟牛顿算法的超线性收敛速度而成为约束优化的重要算法类.序列线性方程组方法则是它的进一步发展,目的在于每步求迭代方向dk时避免求解计算量较大的二次子规划.现在序列线性方程组方法仍在研究和发展,目的是简化算法结构、减少计算量,同时保持算法的优良性质.     

序列线性方程组方法解约束SC1函数最小化问题

对不等式约束SC1函数最小化问题提出一个可行的序列线性方程组算法.算法的每步迭代,子问题只需解具有相同的系数矩阵的四个简化的线性方程组.这个算法的特点是产生的迭代点是可行的;只考虑指标在集合I的一个子集Ak中的约束函数;不需假定聚点的孤立性,就可证明算法产生的迭代点全局收敛到问题的KKT(库恩-塔克)点.在较弱条件下,证明算法是超线性收敛的.     

互补约束优化问题的一个非单调信赖域法

针对互补问题构造了一种新的价值函数,从而把互补约束优化问题等价地转化为一般光滑约束优化问题.然后,结合非单调技术给出了一个信赖域算法,在一定条件下证明了算法的全局收敛性.     

解垂直线性互补问题的一个序列线性规划算法

建立了求解垂直线性互补问题的一个序列线性规划（SLP）算法,并证明了算法的全局收敛性。     

求解非线性最优化问题的序列线性方程组算法

序列二次规划（SQP）算法是目前公认的求解非线性约束优化问题的最有效的算洪之一。但是目前SQP算法存在两个重要问题：（1）每步需要求解一至两个二次规划子问题以得到达代方向,计算工作量大。难以应用于大规模问题;（2）迭代过程中产生的二次规划子问题可能无解,使运算过程中断。尽管可用其他措施重新定义迭代方向。但弛然增加算法的复杂性,增大计算工作量,理论证明也不完善。文中介绍的序列线性方程组方法就是针对SQP算法的缺点而提出的。理论分析和数值实验均表明,这种算法具有迭代时间少,收敛速度快等优点,可以用来求解大规模的非线性优化问题。     

约束优化问题的一个超线性收敛算法

给出一个求解约束优化问题的新算法．在无需强二阶充分性条件及严格互补性条件的假设下,研究了该法具有局部一步超线性收敛性的充要条件．     

一类水平线性互补问题的一个不可行内点算法的收敛性

作为单调水平线性互补问题的推广，引入了Ｐ＊（κ）阵水平线性互补问题（简称Ｐ＊（κ）－ＨＬＣＰ）．证明了Ｙ．张的算法能被推广以解决Ｐ＊（κ）－ＨＬＣＰ问题，这个推广算法在运算过程中是独立于分类数κ的．如果这个算法的起始点是一对任意的正数，那么算法将达到Ｑ－线性收敛；如果起始点是一对足够大的正数，此算法经过至多Ｏ（（ｋ＋１）４ｎ２ｌｎ（（ｘ０）ｒｓ０）／ε次运算得到ε－逼近解，其中（ｘ０，ｓ０）是一对起始点     

约束优化问题的序列近似方法收敛性

对抽象约束优化问题的序列近似方法的收敛性进行讨论,证明了在目标函数序列连续收敛和约束集合序列收敛的条件下,序列近似问题的全局最优值收敛到原问题的最优值.进一步,证明了在序列近似问题目标函数和约束集合具有某些单调性质的前提下,把目标函数序列连续收敛减弱到上图收敛,该结论仍然成立.最后,将这一结果用于分析互补约束优化问题的光滑化方法的收敛性中.     

求解随机线性互补问题的Levenberg-Marquardt型算法

针对随机线性互补问题的期望残差极小化模型,利用蒙特卡罗方法将其转化为有限个样本的近似问题.基于投影Levenberg-Marquardt算法,给出了求解近似问题的1种Levenberg-Marquardt型算法,证明了算法在一定条件下是全局收敛的.数值实验表明算法是有效的.     

互补问题中Gauss-Newton方法全局收敛性的推广(英文)

研究了由Subramamian为求解互补问题提出的阻尼Gauss-Newton方法的收敛性质，在较弱的条件下，给出了一个全局收敛效果，这个结果是Subramanian PK (1993)和（1997）中相应结果的一个推广。     

线性互补问题的一种非内点连续方法的收敛性分析

对P0矩阵线性互补问题提出了一个基于Chen-Harker-Kanzow-Smale光滑函数的非内点连续算法，该算法在每次迭代时只需求解一个线性等式组，并证明了算法的全局线性收敛性和局部二次收敛性．     

求解半定互补问题的一种非内点连续算法

基于光滑FB函数理论和中心路径原则,提出求解半定互补问题的一种非内点连续算法,在适当的条件下证得其全局线性收敛性和局部二次收敛性,并通过数值试验验证了算法可行性和有效性。     

求解线性互补问题的神经网络方法

研究了线性互补问题.基于解的充分必要条件,提出了求解它的一个神经网络模型;构造了恰当的Liapunov函数,给出了该模型稳定和大范围渐近收敛的充分条件;研究了其全局指数稳定性,并用数值实例说明了该模型的可行性和有效性.该模型不需要设定网络参数,可用来求解一类非单调的互补问题.     

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.     

广义互补问题的一种非光滑算法的收敛性分析

基于广义互补问题的半光滑方程组变形，给出了求解广义互补问题的一种新算法。该算法的显著特征是每次迭代只需求解-线性方程组。并在适当条件下建立了算法的全局收敛性和局部超线性(二次)收敛性。     

A new class of infeasible interior-point algorithm for linear complementarity problem

This paper proposes an infeasible interior-point algorithm for linear complementarity problem with full-Newton steps.The main iteration consists of a feasibility step and several centrality steps.No more than O(n log(n /))iterations are required for getting an-solution of the problem at hand,which coincides with the best-known bound for infeasible interior-point algorithms.     

线性约束优化问题的共轭梯度型算法及其收敛性

将共轭梯度法与广义投影技术相结合，给出了一个求解带线性等式、不等式约束优化问题的共轭梯度型算法，证明了算法的性质及全局敛性，首次将共轭梯度法推广应用于求解带约束条件的优化问题。     

A Potential-Reduction Algorithm for Linear Complementarity Problems

Feasible-interior-point algorithms start from a strictly feasible interior point,but infeassible-interior-point algorithms just need to start from an arbitrary positive point.we give a potential reduction algorithm from an infeasible-starting-point for a class of non-monotone linear complementarity problem.Its polynomial complexity is analyzed.After finite iterations the algorithm produces an approximate solution of the problem or shows that there is no feasible optimal solution in a large region.