框式凸二次规划原始-对偶势下降内点算法

基于线性规划原始-对偶内点算法的思想,对框式凸二次规划提出了一种新的内点算法-原始-对偶势下降内点算法.算法取牛顿方向作为迭代方向,利用势函数选择迭代步长,并证明了新算法具有O(nL)的迭代复杂性.     

框式凸二次规划宽邻域原始-对偶势下降内点算法

基于线性规划原始-对偶势下降内点算法的思想,对框式凸二次规划提出一种新的内点算法宽邻域原始-对偶势下降内点算法.算法选取牛顿方向作为迭代方向,利用势函数选择迭代步长,分析算法的多项式迭代复杂性,并证明新算法具有较好的迭代复杂性O(nL).     

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.     

框式可分凸二次规划的不可行内点算法

对框式约束的可分凸二次规划提出了1个原始－对偶不可行内点算法，并证明了该算法是1个多项式时间算法。     

框式线性规划的非精确不可行内点算法

对框式线性规划提出了一种非精确不可行内点算法，该算法使用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。     

框式约束凸二次规划问题的势下降算法

提出了一个求解框式约束凸二次规划问题的势下降内点算法,它利用Armijo非精确线性搜索技巧进行线搜索,同时使势函数的值减少,并证明了算法的全局收敛性.     

框式线性规划的原始——对偶不可行内点算法的进一步研究

进一步研究「１」中对框式线性规划提出的原始－对偶不可行内点算法,并证明了如果算法迭代按终止准则的后半部分停止,原始－对偶规划具有某种不可行性。     

框式凸规划的原——对偶仿射尺度算法

章对框式凸规划问题设计了一个原－对偶仿射尺度算法，证明该算法的迭代复杂性为多项式时间性。     

凸二次规划的不可行内点算法

给出了一个求解凸二次规划的不可行点内点算法，算法的初始迭代点为非负不可行内 ，证明了算法的全局收敛性。该算 法可以看作是Ｋｏｊｉｍａ算人关于线性规划算法的推广，也可以看作是Ｍｏｎｔｅｉｒｏ等人关于可行内点算法的推广。     

框式约束凸二次规划的预估校正光滑算法

研究了框式约束凸二次规划的一种光滑算法，算法中应用了牛顿法及其变形形式，证明了算法的全局收敛性．     

求解框式约束下凸二次规划问题的内点算法

对于框式凸二次规划问题给出了一个内点路径跟踪算法,该算法的迭代复杂度为Ｏ（√ｎＬ）,每一步近代所需计算量为Ｏ（ｎ＾３）,其中ｎ为变量个数,Ｌ为问题的输入长度。     

凸规划的一种对偶内点算法

将带有不等式约束的凸规划问题转化为拉格朗日对偶问题,构造了一种求解凸规划的偶内点算法,证明了在不存在对偶差的情况下,当对偶变量序列收敛到对偶问题最优解时,原始变量序列收敛于原始问题的最优解。     

关于一个求解凸二次规划改进内点算法的全局收敛性

对一类利用对数障碍函数法求解凸二次规划问题的内点算法给出了全局收敛定理的证明,同时指出该算法并没有考虑到避免Maratos效应,因此很难有超线性收敛的结论,但是由于该算法简单,计算量少,故对小规模问题依然是有效的。     

框式线性规划的不可行内点算法

对框式线性规划提出了一个原始-对偶不可行内点算法,并证明了该算法的迭代复杂性为多项式时间性.     

基于代数等价路径的一类线性约束凸规划问题的内点算法

对于满足尺度李谱希茨条件的一类线性约束凸规划问题,提出了一种基于代数等价路径的原始-对偶内点算法,并讨论了计算复杂性.该算法可以在任一内部可行点启动,并且全局收敛,当初始点靠近中心路径时,此算法便成为中心路径跟踪算法,总迭代次数为O(nL),其中L是问题的输入长度,数值实验结果表明算法是有效的.     

一类箱约束非凸非线性规划的新求解方法

对一类箱约束非凸非线性规划问题提出了一种新的求解方法，通过构造一新的含参数逼近函数，将原问题转化为一系列无约束优化问题，该方法对给定的参数在下降方向寻找逼近函数的最优点，当初始点在盒子内部时，证明了方法的全局收敛性，数值结果表明，当参数充分小时，该方法能找到原问题的一个总体极小点。     

解线性不等式约束凸规划问题的势下降内点算法

提出了一种解线性不等式约束凸规划问题的势下降算法,并在一定的假设条件下,证明了该算法的收敛性,最后通过数值实验验证了该算法的有效性.