带有二次约束非凸二次规划问题的一种全局优化方法

对带有二次约束非凸二次规划问题进行研究,利用二次函数的结构和性质,对目标函数和约束函数进行线性下界逼近,建立原规划问题的一个新的线性规划松弛,以便确定它在超矩形上全局最优值的一个下界;利用超矩形上的最长边的对分策略,以及超矩形的缩减和删除技术,提高算法的收敛速度;通过对松弛线性规划可行域的细分以及一系列的松弛线性规划的求解过程得到原问题的全局最优解,从理论上证明了算法能收敛到原问题的全局最优解,最后数值例子也说明了算法是有效的.     

凸约束二次规划问题求解的一般方法

将标准对偶变换的思想应用到求解凸约束二次规划问题上,并给出了该问题的完全解的形式.标准对偶变换思想的主旨是将原问题通过标准对偶变换的方法转化为其对偶问题,通过求解其对偶问题得到原问题的最优解.这种方法可使原来复杂的问题简单化,并使得原问题与其对偶问题间的对偶间隙为零且不带有任何扰动.应用这种方法我们还可以很容易的得到一些比较好的结果.     

凸二次规划的一个序列跟踪算法

本文对凸二次规划问题提出了一个多项式时间的内点算法，此算法通过对互补向量空间中一个ａ－序列的跟踪求得问题的解。其优点是对初始内部可行解可以任意，并且总迭代次数为Ｏ（√ｎＬ）。     

一类多乘积规划问题的单纯形分支定界方法

利用对数函数的性质将一类多乘积规划问题等价地转化为一个凹最小问题.针对这个问题的凹和特殊结构,利用单纯形上凹函数凸包络的线性性质,给出线性规划松弛问题以确定原问题最优值的下界,由此提出一类多乘积规划问题的单纯形分支定界算法,并且给出收敛性证明.数值例子表明所提出的算法是可行的和有效的.     

区间凸二次规划问题弱最优解的判别

基于凸二次规划中的KKT条件,讨论了带区间数的凸二次规划的最优解问题.针对约束域为不等式且变量有符号限制的区间凸二次规划,给出了检验弱可行解是否为弱最优解的充要条件.     

一个求解退化约束优化问题全局和超线性收敛的可行SQP算法(英文)

提出了一个求解退化约束优化问题的可行SQP算法.在该算法的每一次迭代,通过求解一个二次规划子问题得到可行下降方向,为克服Maratos效应,高阶修正方向通过求解另一个二次规划子问题得到.在合适的条件下,证明了该算法的全局收敛性和超线性收敛速度.最后给出了一些初步的数值结果.     

求解凸二次规划的主对偶积极集法

介绍了求解带有不等式约束凸二次规划的一种主对偶积极集法.通过凸二次规划KKT条件中的一阶最优性条件和补条件计算出主对偶对(x,s)的值,若(x,s)不可行则确定新的积极集,算法继续迭代;算法经有限步迭代后,一定能得到最优解,使算法停止.     

参数二次规划解的分歧问题

通过讨论Fritz John一阶必要条件形成的方程系统,研究参数二次规划解的分歧性质．先证明了由参数二次规划形成的方程系统的Jacobian矩阵具有一维核空间;又证明了该系统有两条解分支,并计算出解的基本表达式．     

等式约束广义几何规划的一种优化算法

本文研究带有等式约束的广义几何规划问题,提出了一个基于增广Lagrange函数的新算法．该算法允许初始点任意,在适当条件下可以避免罚因子趋于无穷,并且该算法全局收敛于原问题的K-T点．     

一种全局寻优的进化规划算法

文章在常规进化规划算法的基础上给出了一种新的全局寻优的进化规划算法 ,该算法在不用导数的前提下综合了梯度法计算效率较高与进化规划算法全局寻优的优点 .文章还通过四个典型的例子对两种算法的计算效率和计算精度作了比较 .     

关于分裂凸可行性问题的粘性迭代算法1

研究了分裂凸可行性问题，给出了该问题的一个新的近似解算法，并证明该算法具有强收敛性，所获得的结果改进了前人的工作。     

关于分裂凸可行性问题的粘性迭代算法

研究了分裂凸可行性问题,给出了该问题的一个新的近似解算法,并证明该算法具有强收敛性,所获得的结果改进了前人的工作.     

一个求解二次无约束大型病态问题的混合-下降算法

从最速下降法在求解病态优化问题时常会出现"锯齿"现象,且所得解严重失真这一问题出发,利用微分方程数值积分求解所建立的常微分方程自治系统初值问题得到的解作为最速下降法的经过改进的可接收初始点,并与最速下降法结合得到一个求解二次无约束病态问题的混合-下降算法.算法具有全局收敛性.初步数值实验表明,将算法运用于1 000阶Hilbert矩阵所构成的二次无约束大型病态问题,能够求得具有3位有效数字的解,说明新算法具有良好的稳定性及较强的抗病态能力.     

带二次约束的最小二乘问题的求解

针对带二次约束的最小二乘问题提出了一种求解算法,同时给出了算法中牛顿迭代的收敛证明.数值例子说明了此算法的有效性.     

带有基数约束的指数跟踪问题及其粒子群算法求解

随着指数衍生产品日益受到重视,指数化投资组合常被传统的消极基金管理者或机构所采用,而用有限的资金按指数构成比例进行投资显然是不现实的,所以指数的最优误差追踪就显得更加重要。将追踪误差定义为证券投资组合收益率与所追踪的指数基准收益率之差的均值平方和的平方根,建立了基数约束(即总资产数不超过某个特定整数K)下的跟踪误差最小化模型。由于引入显示的基数约束使得该模型是一个非线性混合整数规划问题,传统算法难以有效求解,为此设计了一个粒子群算法求解基数约束下的指数跟踪模型,实际算例表明,算法是有效的。     

一种基于信赖域约束的优化问题的求解方法

讨论一类仅含有线性约束条件的优化问题,在每次迭代过程中,用二次近似模型近似目标函数,从而构造一个子问题,以便于确定迭代方向.在每个子问题求解时引入一组共轭方向,子问题可以转化为一个线性规划问题和一个一维约束优化问题.为了保证算法的总体收敛性,应用信赖域算法代替一维搜索,确定下一个迭代点.证明了算法产生的点列如有聚点,则必有一个聚点是原问题的K-T点.     

抽象约束的参数向量优化问题中值映射的余切上图导数

对于参数向量优化问题m ink{f(w,x)|x∈G(w)},其中f:W×X→Y是从赋范空间W和X的积到另一个赋范空间Y的Hadam ard可微的单值映射,G:W→X是一个集值映射,K Y是一个尖闭凸锥.借助目标函数的导数和约束映射的余切导数,给出了值映射的余切上图导数的一个表示.