一种求解带不等式约束优化问题的新滤子SQP算法

介绍了一种线搜索滤子SQP算法,在适当的条件下证明了它的全局收敛性。该算法无需使用罚函数作为价值函数,也不需要可行性恢复阶段,对滤子接受条件有所改进,使其更容易接受好的迭代步,数值结果表明它是非常的。     

求解非线性方程组的非单调滤子算法

提出了一个新的求解非线性方程组的滤子算法,首先把非线性方程组的求解转化成一个非线性优化问题,然后借助非单调技术和滤子技术求解该问题,从而得到了原方程组的解.在适当的条件下,证明了该算法的全局收敛性,初步的数值试验表明了该算法的有效性.     

改进的二阶段滤子SQP算法

利用序列二次规划来求解非线性规划问题,并且引进滤子概念.在算法中,每次迭代分成可行阶段和最优化阶段,在可行阶段,减小不可行性的某种度量;在最优阶段,减小增广La-grange函数值.在一些弱的条件下,证明了算法的全局收敛性.     

非线性等式优化的一种非单调SQP滤子算法

SQP滤子方法是解非线性规划的一种较为有效的方法,但是滤子方法也会遇到M aratos效应.采用非单调技术来避免M aratos效应,并采用降维的Byrd和Omojokun方法来计算试探步.在一定条件下,给出了全局收敛性证明,数值试验表明该算法有效.     

求解非线性互补问题的信赖域SQP滤子算法

利用信赖域SQP滤子算法来求解非线性互补问题,在适当的条件下建立了该算法的全局收敛性.     

一种全局收敛的线搜索滤子SQP方法

对于求解不等式约束优化问题,将线搜索和滤子方法相结合提出了一种新的线搜索滤子序列二次规划( filterSQP)方法.该方法克服了传统的SQP方法二次子问题不相容的困难,并利用滤子避免了罚函数的使用.同时在合理条件下证明了此方法具有全局收敛性质.     

解等式约束规划的信赖域SQP滤子方法

讨论了一种信赖域SQP滤子方法的局部收敛性.滤子方法会遇到Maratos效应,尽管完全牛顿步可能是一个超线性收敛步,但是当迭代点充分靠近原问题的严格局部解时,完全牛顿步可能会使目标函数值和约束违反度上升,从而不被算法接受,于是破坏了算法的收敛性.给出一种修改后的信赖域SQP滤子算法,当完全步不被接受时,对算法进行二阶校正(SOC),可以减小其不可行性.修改后的算法可以避免Maratos效应,使算法达到局部超线性收敛.     

一种结合NCP函数的SQP滤子新算法

提出一种带非线性互补函数的信赖域序列二次规划滤子算法.通过引入滤子概念,避免了罚函数法中罚参数选择的困难.借助非线性互补函数简化了非线性规划问题的KKT条件,并用非线性互补函数代替滤子中的约束违反度函数,在一定的条件下证明了算法具有全局收敛性.数值试验结果表明算法是有效的.     

基于磨光罚函数的求解非线性不等式约束优化问题的SQP方法

在求解不等式约束优化问题的SQP方法中,提出了其价值函数用磨光函数来近似的方法,并证明了算法的全局收敛性．     

带NCP函数的滤子SQP方法

提出了一种解约束非线性规划问题的算法,这种算法主要基于信赖域SQP方法,不需要使用罚函数作为价值函数,而是使用滤子去判断迭代点是否有效,从而解决了罚参数难选择的问题。同时还结合了NCP函数,使得最优点满足非线性互补条件。最后,从理论上分析了算法的全局收敛性,并通过数值试验说明本算法是有效的。     

非线性约束条件下的SQP可行方法

非线性规划求解问题,一直是人们关心的热点问题。Zhu和Zhang利用对具有不等式约束的非线性规划构造出新的超线性收敛的SQP算法,每次迭代只需解一个二次规划子问题,还可自动修正可行方向以避免Marotos效应,并在较弱条件下保持算法的整体收敛性。研究将Zhu和Zhang工作,推广到更一般具有等式约束和具有不等式约束的非线性规划。     

一个修正的SQP算法及其超线性收敛

通过修改传统的二次规划子问题,并将Armijo-型线搜索技术应用到一类罚参数可自动调整的罚函数,建立一种新的可行序列二次规划算法。克服了子问题可能会出现不可行的情况,并保证子问题在任意迭代点处都是可行的。在合理的假设条件下,证明了算法是具有全局收敛和超线性收敛的。     

半定规划问题基于方向分解的筛选算法

目的寻求半定规划问题新的理论算法。方法采用低秩分解技术将一般的半定规划问题转化为与其等价的非线性规划问题,利用基于方向分解的筛选算法,通过对搜索方向进行切线步和垂直步的分解来分别寻求最优解方向和不可行性改善的方向,构造了半定规划问题的筛选算法。结果通过证明得到算法具有可行性。结论最后给出了算法的收敛性分析。     

半定规划的一个非内部连续化牛顿算法

基于Chen—Mangasarian光滑函数，给出一个求解半定规划的非内部连续化算法．所给算法拥有一些好的特性，在较弱的条件下，证明了算法有好的定义而且全局(线性)收敛到一个原问题的最优解。     

一个具有全局收敛性和超线性收敛速度的修正SQP方法

由Ｗｉｌｓｏｎ，Ｈａｎ，Ｐｏｗｅｌｌ发展的ＳＱＰ技术是解非线性规划的最有效的方法一，但是，如果其中的二次规划子问题无解或都其解无界时，     

一个不等式约束问题的SQP方法及其收敛性

提出一个关于不等式约束问题的SQP算法,其效益函数为非可微精确罚函数,罚因子具有自动调节性.通过求解一辅助线性方程组,获得二阶修正步,并利用弧式搜索,建立了问题的一个可行下降算法.在一定的假设条件下,证明了算法是全局收敛的,并且具有超线性收敛速度.     

一个可行模松弛SQP方法及其全局收敛性

提出一个处理不等式约束优化问题的可行模松弛SQP算法,每次迭代只需求解一个二次规划子问题.无需对迭代序列进行有界假设,采用线性搜索,在一些微弱假设条件下,证得了算法具有全局收敛性质.     

约束优化一个结合工作集技术的模松弛SQP算法

结合模松弛SOP方法、可行方向法和工作集技术,提出了一个求解非线性不等式约束优化的SOP算法。在每一次迭代,模松弛QP子问题的约束函数个数只决定于相应的工作集。在MFCQ条件下,得到算法的全局收敛性。最后,给出了初步的数值结果。