局部超线性收敛的信赖域SQP滤子方法

讨论信赖域SQP滤子方法的局部收敛性,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Maratos效应.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都上升,从而不被滤子接受,影响了算法的收敛速度.对R.Fletcher,S.Leyffer和L.Toint在"SQP滤子全局收敛算法(2002)"文中的算法进行了修改,提出了一类新的算法.在这类算法中,如果完全牛顿步不被滤子接受,就通过对它进行一个二阶校正(SOC),使得它容易被滤子接受,保证算法具有局部超线性收敛性.     

约束优化的两块校正非单调回代法

提出一种二块校正既约Hessian方法的非单调信赖域回代算法来解决约束优化问题。一般采用二块校正的双边既约Hesse阵方法代替完全Hesse阵方法处理大规模问题。为了获得算法的整体收敛性，引入非光滑的l1罚函数作为势函数。在每次回代中不必使罚函数都单调递减，以使能克服高度非线性情况下的峡谷状态，同时采用二阶校正步计算能避免Maratos效应。只要每一步迭代至少运用两种校正规则之一，算法就能保持一步局部Q－超线性收敛速率。     

等式约束优化的投影拟牛顿法的非单调依赖域算法

提供了分解投影拟牛顿法结合非单调信赖域算法求解非线性等式约束优化问题。在合理的条件下，证明了算法的整体收敛性，通过引进二阶矫正步克服了MARATOS效应，使算法保持了局部超线性收敛速度     

等式约束优化的投影拟牛顿法的非单调信赖域算法

提供了分解投影拟牛顿法结合非单调信赖域算法求解非线性等式约束优化问题。在合理的条件下，证明了算法的整体收敛性，通过引进二阶矫正步克服了MARATOS效应，使算法保持了局部超线性收敛速度。     

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.     

投影Hessian的内点回代算法解线性约束优化问题

提供非单调内点回代技术的信赖域投影Hessian算法解线性约束优化问题.基于矩阵QR分解的技巧,将仿射零空间的信赖域子问题变换成通常的信赖域子问题,然后结合线搜索技术,在每次迭代信赖域子问题都将产生新的回代内点.在合理的条件下,证明了算法不仅具有整体收敛性而且保持局部超线性收敛速率,引入非单调技术将克服病态问题,加速收敛性进程.     

基于简单二次函数模型的滤子非单调信赖域算法

对无约束最优化问题提出了一个基于简单二次函数模型的非单调滤子信赖域算法。算法在信赖域试探步不被接受时,采用滤子技术,增大试探步被接受的可能性;如果此试探步也不能被滤子集接受,则用固定的公式取搜索方向,并沿此搜索方向进行非单调Wolfe线搜索得到步长,从而产生新的迭代点。该算法不需要重解子问题,减少了计算量。在较少的条件下,证明了算法的全局收敛性。初步的数值试验表明了算法的有效性。     

一种无约束优化的非单调拟牛顿信赖域算法

提出一种新的信赖域算法, 使子问题产生的试探步 d^k始终保持在信赖域中, 在每次迭代过程中, 试探步d^k均能得到校正, 当试探步不被接受时, 采用非单调线搜索技术, 无需重解子问题. 在适当的条件下, 证明了算法的全局收敛性.     

一种序列线性方程组滤子算法的收敛性分析

笔者曾提出一种不可行序列线性方程组滤子方法.它将不可行无需二次规划(QP-free)方法与滤子技巧结合,可以避免罚参数的选取.只需求解两个具有相同系数矩阵的线性方程组以得到搜索方向.在一定程度上克服了序列二次规划方法的缺点.在以上算法的基础上,增加了一个同系数矩阵的线性方程组以计算二阶校正步,使得算法避免了Maratos效应.在一定的条件下,证明了该算法的局部超线性收敛性.     

非光滑单值优化的信赖域算法

提供了求解非光滑单值优化问题的信赖域算法．基于线性规划的对偶理论,将目标函数的方向导数转化成线性规划,从而使信赖域子问题容易数值求解． 在合理的条件下,证明了算法的整体收敛性和局部超线性收敛速率．     

非线性方程组的一个不使用罚函数和filter的算法

给出了求解非线性方程组的一个新算法,首先将非线性方程组转化为一个非线性规划,再使用一个不使用罚函数和filter的算法求解这个非线性规划,在Jacobi矩阵一致列满秩的条件下证明由算法产生序列的极限点是非线性方程组的解.通过在算法中引进二阶校正技术来克服可能的Maratos效应,可以证明这个方法是局部超线性收敛的.     

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。     

非线性优化的广义投影变尺度算法及超线性收敛性

结合罚函数法的思想,提出一种初始点任意的广义投影变尺度算法求解非线性等式和不等式约束优化问题,克服了Maratos效应的校正方向自动产生显式表达式,并在适当的条件下证明了算法是全局收敛的,且具有超线性收敛性.实验结果表明算法有效.     

带有固定步长的非单调信赖域方法

该文提出一种新的非单调信赖域方法．当试探步不能被接受时,算法沿着试探步的方向求得下一个迭代点,其中步长利用固定公式计算．这种方法既避免了重复求解信赖域子问题,又减少了线搜索方法计算函数值的次数．该文采用的非单调策略是基于张洪超和Hanger（2004）出的非单调线搜索技术．在适当的条件下,证明了算法的全局收敛性及超线性收敛性．最后给出了初步的数值实验结果．     

一种求解非线性互补问题的外梯度-Filter方法

结合 Josephy-Newton方法,建立了一种不含价值函数的求解非线性互补问题的全局策略.该策略基于外梯度步和Filter技术,提出一个外梯度-Filter算法.此算法中的外梯度步可以减少与最优解之间的距离,从而使该算法具有全局收敛性.在适当的条件下,该算法还具有超线性收敛性.     

一种求解极大极小问题的灵活非单调滤子方法

求解极大极小问题的灵活非单调滤子方法与传统的滤子方法相比,对于试探步的可接受性,该方法具有更大的灵活性,而且与单调型方法相比,计算量更小.此外,还利用一个自适应参数来调整接受准则,从而在一定程度上避免了Maratos效应.在合理的假设下,该算法具有全局收敛性,并且通过数值实验验证了该方法的有效性.