基于新函数下的半定规划原始对偶内点算法的复杂度分析

以φ(t)=(tp+1-1)-(p+1)ln t作为核函数,讨论半定规划的一类多项式原始对偶内点算法的收敛性及其复杂度.基于这个核函数找到牛顿系统的一个新的搜索方向,从而得到一个新的算法,并给出了其长步长迭代界和短步长迭代界分别为O(n1-pln nε),O(n23-plnεn).     

求解半定规划的原始对偶势下降内点算法研究

介绍了半定规划的一般模型、最优性条件及求解半定规划问题的原始对偶势下降内点算法.借助两个形象的图形分析了势下降内点算法的迭代轨迹,并对求解半定规划的Filter势下降内点算法进行了研究,提出了Filter的构造方法.在一定的条件下,该算法可避免Maratos效应和势函数海色矩阵不正定等问题的产生.     

半定规划

半定规划是指线性函数在对称矩阵的仿射组合半正定的约束下的极小问题，它实际上是凸优化问题，在最近的十几年中得到突飞猛进的发展，目前已成为优化方面最热门的领域．这一研究活动之所以被激发起来，是由于半定规划在一些领域的新应用的发现以及新的有效算法的产生．本文对半定规划的理论和算法作一般介绍．     

带有混合约束的二次半定规划的内点算法

研究带有混合约束的二次半定规划问题的内点算法。首先给出该问题的对偶问题和一种障碍函数,并建立相应的Lagrange函数,以此为基础给出内点算法,最后分析并证明了算法的全局收敛性。数值试验表明该算法是有效的。     

一类二次半定规划问题及其内点算法

讨论一类二次半定规划对偶性理论及与半定最小二乘问题的联系,并在对偶理论基础上讨论该规划的原始对偶内点算法,同时给出了基于NT方向的唯一性证明.     

半定规划的原始-对偶不可行内点算法

对于半定规划问题,通过构造适当的搜索方向,给出了一个原始-对偶不可行内点算法.证明了该算法经过有限步迭代后,或者在某个较大的区域得到问题的一个近似最优解,或者说明问题在该区域内无解.     

一类二次半定规划内点算法的K..S..H搜索方向的存在唯一性

在对偶理论的基础上,将半定规划(SDP)的原始对偶内点算法推广到一类二次半定规划(QSDP),利用优化理论中经典的牛顿法通过求解非线性方程组得到K..S..H方向,并证明了K..S..H搜索方向的存在唯一性.     

二次半定规划的原始对偶预估校正内点算法

将半定规划(Semidefinite Programming,SDP)的内点算法推广到二次半定规划(QuadraticSemidefinite Programming,QSDP),重点讨论了AHO搜索方向的产生方法.首先利用Wolfe对偶理论推导得到了求解二次半定规划的非线性方程组,利用牛顿法求解该方程组,得到了求解QSDP的内点算法的AHO搜索方向,证明了该搜索方向的存在唯一性,最后给出了求解二次半定规划的预估校正内点算法的具体步骤,并对基于不同搜索方向的内点算法进行了数值实验,结果表明基于NT方向的内点算法最为稳健.     

多目标半定规划的最优性条件

在对称矩阵内积的基础上建立一系列含矩阵的方程的择一性定理,并在此基础上研究以矩阵为决策变量的多目标半定规划的最优性条件。     

非线性凸半定规划的最优性条件

考虑非线性凸半定规划问题,引入了矩阵函数广义梯度和广义方向导数的定义,讨论了凸矩阵函数的一些性质.并给出了非线性半定规划的最优性必要和充分条件.     

线性规划内点算法的若干收敛性问题

对于线性规划问题 ｍｉｎ｛ｃтｘ｜Ａｘ≥ｂ，ｘ≥０｝，印度学者 и．Ｋａｒｍａｒｋａｒ于 １９８４年发明 了一种新的内点算法，它的时间复杂性为Ｏ（ｎ３．５Ｌ２），其中ｎ为问题的变量个数，Ｌ为输 入中的二进制位数。其后又出现了多种变形方案，如原始型和对偶型内点算法等等。本 文主要讨论它们的收敛性问题。关于Ｋａｒｍａｒｋａｒ算法，证明了当原始线性规划问题无有 限最优解时算法也可以收敛。关于原始型和对偶型内点算法，给出了它们的基本性质以 及若干收敛性结果。     

一个用于构造非线性半定规划算法的非线性Lagrange函数

非线性Lagrange方法是求解非线性半定规划的一个重要方法。给出了一个可以用于研究非线性半定规划的非线性Lagrange函数，并证明了这个函数在KKT点附近具有凸性，从而保证了非线性Lagrange算法理论成立的前提条件。     

多目标半定规划的Lagrange对偶与鞍点定理

主要研究含矩阵函数半定约束和向量函数等式约束以及多个目标函数的多目标半定规划的对偶和鞍点问题．首先在似凸条件下建立了一个含矩阵函数半定约束系统的择一性定理,由此得到多目标半定规划及其在弱有效解意义下的Lagrange对偶理论,包括弱对偶、强对偶和逆对偶等．然后利用鞍点的等价定义,得到多目标半定规划的鞍点最优性条件．     

Multistep Linear Programming Approaches for Decoding Low-Density Parity-Check Codes

The problem of improving the performance of linear programming (LP) decoding of low-density parity-check (LDPC) codes is considered in this paper. A multistep linear programming (MLP) algorithm was developed for decoding LDPC codes that includes a slight increase in computational complexity. The MLP decoder adaptively adds new constraints which are compatible with a selected check node to refine the results when an error is reported by the original LP decoder. The MLP decoder result is shown to have the maximum-likelihood (ML) certificate property. Simulations with moderate block length LDPC codes suggest that the MLP decoder gives better performance than both the original LP decoder and the conventional sum-product (SP) decoder.     

解半定规划的投影收缩法

首先将一般的半定规划扰动成二次半定规划,而后者在其对偶空间等价于一投影方程,然后提出了求解半定规划问题的投影收缩方法并且给出了全局收敛性结果.     

无限维线性规划的对偶间隙

本文通过线性扰动方法消除－对无限维线性规划的对偶间隙，并证明了扰动规划的收敛性定理。     

线性规划中预测-校正内点算法的改进(英文)

研究线性规划中预测一校正内点算法的改进，获得了复杂度0（nL），进一步地，在校正部不仅把迭代点重新置于一个小邻域中，而且降低了对偶间隙。