不等式约束最优化的一个具有强收敛性的强次可行方向法

讨论了非线性不等式约束最优化,利用广义投影技术和强次可行方向法思想,建立了一个新的初始点任意的算法,算法不仅具有全局收敛性,且搜索方向是“二阶”强次可行下降的,在适当假设下,算法具有强收敛性。     

一般约束最优化强收敛的广义强次可行方向法

讨论一般约束最优化,利用广义投影技术和强次可行方向法思想,建立一个初始点任意的新算法,该算法不仅具有全局收敛性,而且是强收敛的,文中还对算法进行数值试验。     

不等式约束极大极小问题一个新的（ε,δ）-广义投影可行方向法

结合Armjio线搜索和（ε,δ）-广义投影技术,本文提出了求解不等式约束极大极小问题一个新的广义投影可行方向法.在算法的每一步迭代中,其搜索方向由一个新的（ε,δ）-广义投影显式给出.在较温和的假设下,新算法具有全局收敛性和强收敛性。     

双曲正弦罚函数法

对求解一般约束优化问题提出一种算法,并证明了算法的收敛性,数值实验表明了算法的可行性.     

线性不等式约束优化问题的强信赖域算法

对一类带有非负边界约束的线性不等式约束优化问题进行了研究,提出了一种新的信赖域算法.该算法在内点法的基础上,把非负边界约束从一般的不等式约束中分离出来,化为信赖域约束的一部分,得到一个简单易解的子问题.在一定的条件下证明了该算法具有强收敛性,并给出了数值结果.     

等式约束最优化问题的一种信赖域算法

对一般非线性等式约束最优化问题提出了一种信赖域算法,其子问题较易求解。证明了算法的整体收敛性和局部超线性收敛性,并给出了数值结果。     

等式约束下的共轭梯度算法

为了寻找求解大规模无约束非线性优化问题的一种有效方法,提出了一种等式约束下新的共轭梯度算法,该算法利用广义消去法将约束优化问题转化为无约束优化问题.并证明了该算法具有全局收敛性,同时还证明了该算法在强wolfe线搜索下具有充分下降性.     

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。     

基于非精确数据的非光滑优化强次可行方向法

本研究针对一类目标函数非光滑优化问题,提出一个基于非精确数据的强次可行方向法.通过构造新的寻找搜索方向子问题和新型线搜索,该算法能够保证迭代点的强次可行性,且具备全局收敛性.     

均衡约束最优化的一个共轭投影梯度算法

讨论均衡约束最优化问题,利用一个互补函数和扰动技术将原问题转换为非线性等式和不等式约束最优化问题,结合罚函数法提出了一个共轭投影梯度算法,在适当的条件下,证明了算法的全局收敛性,且具有超线性收敛性.     

非线性规划问题的一个全局收敛的次可行方向法

本文给出非线性不等式约束最优化问题的一个初始点可行取的算法，利用梯度投影构造搜索方向，并使用符号函数对搜索方向和搜索函数进行有效的控制，使得一旦迭代点进入了可行域，其后的方向将成为可行下降方向，搜索函数将由罚函数变为原问题的目标函数（故称之为次可行方向法）在较为温和的条件下证明了方法的全局收敛性，及罚参数只需进行有限次调整。     

一个修正的强次可行SQCQP算法

提出了一个修正的强次可行序列二次约束二次规划(SQOQP)算法.通过设计一个新的矩阵修正策略,算法在全局收敛性分析中不需要假设目标函数的(近似)Hesse阵正定或一致正定.在适当条件下,算法具备超线性收敛性.     

最优化广义次可行方向法的统一模型及收敛性

讨论了一般的约束最优化问题,首先将原问题转化为只带不等式与线性等式约束的扩充优化问题,然后利用次可行方向法思想及梯度投影法,通过扩充问题建立问题的一类十分一般的求解模型,分析了模型在原问题的Ｋ－Ｔ点解集内的全局收敛性。     

广义几何规划一个超线性与二次收敛算法

建立带等式与不等式约束的广义几何规划一个新的快速收敛算法,算法的搜索方向由一个二次规划和一个线性方程组的解产生,效益函数为广义精确罚函数．在适当的条件下证明了算法的全局收敛性、超线性收敛性与二次收敛率．     

单调线性互补问题的非精确不可行内点算法

对单调线性互补问题提出了一种非精确不可行内点算法．该算法的迭代方向仅需要达到一个相对的精度．在初始点位于中心线的某邻域内的假设下，证明了算法的全局收敛性．     

关于完全广义混合强非线性变分包含的迭代算法

引入并研究了Hilbert空间中一类新的完全广义混合强非线性变分包含 ,利用极大单调映射的预解算子技巧建立了新的三步迭代算法 ,证明了此变分包含的解的存在性及由迭代算法所生成的迭代序列的收敛性     

基于改进模式提取变异算子的遗传算法

在经典遗传算法的基础上，提出了一种基于改进模式提取（Algorithm of pattern extraction,Alopex)，种群个体的连续进化方向作为当前代个体的变异方向，并利用自适应来调整变异步长，通过控制参数来控制变异方向的概率从而跳过局部最优值。对几种典型函数的测试结果表明，基于该变异算子的遗传算法能较好地避免收敛到局部最优，收敛性能优于经典遗传算法。     

A trust region algorithm for bilevel programing problems

A trust region algorithm is proposed for solving bilevel programming problems where the lower level programming problem is a strongly convex programming problem with linear constraints. This algorithm is based on a trust region algorithm for nonsmooth unconstrained optimization problems, and its global convergence is also proved.     

精化Arnoldi算法的截断版本

给出了精化Ａｒｎｏｌｄｉ算法的截断版本－精化不完全正交化方法，并分析了该算法敛性。分析结果表明：分析结果表明：如果不完全正交化过程得到的基向量线性无关性较强，则截断算法具有计算量，存储量少，且收敛快的优点。