非单调QP-free非可行域方法

提出了带有Fischer-Burmeister非线性互补(NCP)数的非单调QP-free非可行域算法.根据优化问题的一阶KKT条件,利用乘子和NCP函数,得到非光滑方程,给出解这个非光滑方程的迭代算法.该算法包含原始-对偶变量,在局部意义下,可看成关于一阶KKT最优条件的扰动牛顿-拟牛顿迭代算法.在线性搜索时,此算法采用非单调方法.给出的算法是可实现的并具有全局收敛性,且在适当假设下具有超线性收敛性.     

一种带滤子的QP-free非可行域方法

提出了一种带滤子的QP-free非可行域方法,用来解不等式约束的最优化问题.此方法通过乘子函数和3-1线性互补函数构造一个等价于原约束问题的一阶KKT条件的非光滑方程组,并在此基础上给出解这个方程组的迭代算法.这个方法的每一步迭代都可以看作是对求KKT条件解的牛顿或拟牛顿迭代的扰动,在线性搜索时用到滤子方法.这个方法是可实行的且具有全局性,并且在适当的条件下还可以得到此方法的超线性收敛性.用此算法进行了数值检验,结果表明此方法是可行有效的.     

解约束优化问题的QP-free方法及其全局收敛性

对于约束优化问题,基于Fischer-Burmeister NCP 函数提出了一类新的QP-free方法.为了避免Maratos效应,引入了一个高阶修正方向.同时,算法采用线搜索以代替弧搜索.与其他传统的SQP方法不同,这个方法只需要在每步迭代中求解不多于三个线性系统的方程组,并且具有总体收敛性.在不需要假设聚点是孤立点的情况下,证明了序列的每个聚点都是优化问题的KKT点.     

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.     

序列线性方程组方法解约束SC1函数最小化问题

对不等式约束SC1函数最小化问题提出一个可行的序列线性方程组算法.算法的每步迭代,子问题只需解具有相同的系数矩阵的四个简化的线性方程组.这个算法的特点是产生的迭代点是可行的;只考虑指标在集合I的一个子集Ak中的约束函数;不需假定聚点的孤立性,就可证明算法产生的迭代点全局收敛到问题的KKT(库恩-塔克)点.在较弱条件下,证明算法是超线性收敛的.     

互补约束优化问题的一个非单调信赖域法

针对互补问题构造了一种新的价值函数,从而把互补约束优化问题等价地转化为一般光滑约束优化问题.然后,结合非单调技术给出了一个信赖域算法,在一定条件下证明了算法的全局收敛性.     

解线性约束优化问题的自适应-BFGS信赖域算法

针对线性约束优化问题,在每次迭代时充分利用当前迭代点及其一阶导数的信息自动生成一个信赖域半径,结合BFGS算法的优点,构造了线性约束优化问题的一种具有全局收敛性的自适应-BFGS算法.在一定条件下,给出了算法的全局收敛性的证明.     

求解非负约束优化问题的可行LS共轭梯度法

结合子空间思想和Liu-Storey(LS)共轭梯度法,提出了求解大规模非负约束优化问题的可行共轭梯度算法,并分析了算法在Armijo型线性搜索下的全局收敛性.数值实例表明该算法是有效的.     

解约束优化问题的一种信赖域方法

提出了一种解约束光滑优化问题的依赖域方法,并给出了算法的全局收敛性。     

线性约束优化的一个自适应非单调信赖域方法

给出了线性约束优化问题的一个自适应信赖域算法,其中的信赖域半径是由算法本身自动进行调解的,从而避免了传统算法在选取信赖域半径时的盲目性.借助于非单调技术,获得了算法的全局收敛性.     

解不等式约束问题的不可行SSLE滤子算法

考虑将原不等式约束优化问题转化为与其等价的带等式约束的优化问题,并证明它们具有相同的KKT条件.转化后的问题要求其乘子是非负的,故其KKT条件与一般的等式约束优化问题不同. 针对这种具有特定的等式约束优化问题,提出了一种求解不等式约束优化问题的不可行序列线性规划滤子方法.该算法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,因此计算量较小.最后给出了该算法的全局收敛性证明和数值结果.     

约束最优化问题的非线性无约束方法

总结了近年发展的对不等式约束最优化问题的非线性拉格朗日方法,讨论了零对偶间隙,最优化条件的收敛性以及精确非线性罚函数.     

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。     

求解等式约束最优化问题的Broyden算法的全局收敛性

将单边既约Hesse矩阵SQP方法和无导数线性搜索技术相结合，提出了一种求解等式约束最优化问题的拟牛顿算法．在适当的假设条件下，证明了算法全局收敛于优化问题的KKT点，而且收敛速度是局部超线性的．当迭代次数k充分大时，这种算法可以实现单位步长，因此不会出现Marotos效应．     

非线性约束优化的一个共轭投影梯度法及其全局收敛

针对非线性等式和不等式约束优化问题,结合罚函数法,提出一个共轭投影梯度法,并证明该方法的全局收敛性,给出有效的数值实验.     

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.     

最优化方法在不等式中应用

本文介绍了约束最优化与不等式之间的联系，给出了一类重要不等式的最优化方法证明。     

基于退火不可行度的约束优化问题遗传算法

传统的遗传算法在求解带约束的数值优化问题时，主要采用罚函数法．本文针对罚函数法在实际应用中的困难和不足，提出了基于退火不可行度的遗传算法来处理各类约束优化问题．仿真结果表明该方法是一种有效的约束问题寻优算法．     

约束优化问题稳定序列二次规划方法研究综述

稳定序列二次规划(sSQP)方法由于在求解病态或退化约束优化问题获得理论与数值的突破性进展而备受关注,重要成果频繁问世.本文对近期国际上若干重要sSQP方法及其思想进行概述,包括罚函数型sSQP方法,滤子型sSQP方法和非精确恢复(IR)型sSQP方法等,并对约束优化问题sSQP方法的进一步研究进行探索性思考.     

约束问题修正BFGS方法的局部超线性收敛性

将Li—Fukushima提出的求解无约束最优化问题的修正BFGS法加以改进，应用于求解等式约束最优化问题。该方法的主要优点在于其迭代矩阵总保持对称正定。在一定的条件下，证明该方法具有局部超线性收敛性。