罚函数的性质及ι_1精确罚函数的存在性

本文讨论了一种常见的罚函数，给出并证明了罚函数的全局最优解存在的一个充分条件，及原问题的局部最优解与罚函数的局部最优解之间的关系的一个定理，并对［２］中ｌ１罚函数的一个精确罚函数存在性定理，给出了较为简单的证明．     

一种新的精确罚函数

对于含约束的非线性规划问题，提出了一种新的精确罚函数的构造，使得它能采用无约束优化方法中许多有效的解析方法。这种新的精确罚函数不同于已经研究的罚函数形式，在一定条件下同时具有精确性和光滑性,为研究同时具有精确和光滑的罚函数方法提供了一个新的途径。文章还讨论了这种精确罚函数的一些性质定理。     

一个新的光滑低阶精确罚函数

对不等式约束优化问题提出了一种新的低阶精确罚函数的构造,使其转化为易求解的无约束优化问题;给出了光滑罚问题与非光滑罚问题,光滑罚问题与原问题的目标函数值之间的误差估计,并且在弱的假设条件下证明了光滑罚问题的全局最优解是原问题的近似最优解.     

罚函数的性质及dl1精确罚函数的存在性

本文讨论了一种常见的罚函数，给出并证明了罚函数的全局最优解存在的一个充分条件，及原总是的局部最优解与罚函数的局部优解之间的关系的一个定量。     

一个新的低阶精确罚函数及其性质

为了求解不等式约束非线性规划问题,提出一个新的低阶罚函数,它是经典l1罚函数和低阶罚函数的一种组合.理论分析和例子表明,新提出的低阶罚函数具有这两种罚函数的各自优点.另外,还提出了一个求解此问题的罚函数方法并证明了该方法的全局收敛性.     

一种新的罚函数的精确罚定理

对于含约束的非线性规划问题,提出了一个新的带目标参数的罚函数形式,证明了这种罚函数的精确罚定理,它不同于已经研究的罚函数形式,在一定条件下同时具有精确性和光滑性.为研究同时具有精确和光滑的罚函数方法提供了一个新的途径.     

一个新的简单精确光滑罚函数

针对一般约束优化问题,通过添加一个变量,给出一个新的简单精确光滑罚函数.在较弱的约束品性的条件下,证明所给出的罚函数具有一定的连续可微性,而且当罚参数充分大时,所给出的罚问题的局部极小点为原问题的局部极小点.     

非光滑规划的精确罚函数

0 引言罚函数方法是数学规则求约束最优解的重要方法之一.自60年代Zangwill等人系统地研究罚函数理论以来,发展很快,文献很多.经典的罚函数理论,是通过添加罚函数项后,研究一系列无约束优化问题,并使惩罚参数趋于无限大来获得原规划的最优解.而精确罚函数理论是通过求解单个无约束优化问题来求原规划的最优解.     

精确罚函数若干性质及算法

针对含约束的非线性规划问题,已有文献提出一些精确罚函数,这些精确罚函数能使用许多行之有效的解析方法,而且在一定条件下具有精确性和光滑性。本文在已有文献的基础上讨论了一种精确罚函数的若干性质,分析了该罚函数的罚参数与原问题最优解以及罚问题最优解之间的关系,还针对这种精确罚函数的形式设计了算法,并通过具体算例验证了可行性和有效性。     

二次罚函数的可分化方法

可分方法用于将一个复杂的大规模优化问题分解成各个子问题进行求解。本文对可分优化问题给出两种可分方法,即分别将辅助问题原理(APP)方法和分块协调下降(BCD)方法应用于二次罚函数方法(QPM),并提出相应的QPM+APP算法和QPM+BCD算法,使得在求解可分优化问题时仅需要修正罚因子。最后给出了两个算例,通过与文献[1]中的ALR+APP和ALR+BCD算法作比较来求解,所得的计算结果说明本文给出的两种算法是具有有效性的。     

一种新的低阶罚函数的光滑化方法

对于约束优化问题,给出了一种用二次连续可微函数光滑低阶罚函数的方法;在一些弱的假设条件下,证明了光滑后的罚优化问题的最优解是原优化问题的ε-近似最优解.     

双参数精确罚函数求解约束优化问题的FR共轭梯度法

对于含约束不等式的最优化问题,给出一种双参数罚函数形式,提出了一个求解这种罚函数无约束优化问题的FR共轭梯度法,研究了它的收敛性.数值实验表明该算法是可行的.     

双曲罚函数乘子法

本文对求解等式约束最优化问题提出一种新的双曲罚函数乘子法,推导出了其一阶、二阶迭代算法,证明了算法的收敛性,数值实验验证了算法的有效性．     

求解向量广义Nash平衡问题的一个精确罚函数方法(英文)

研究约束向量广义Nash平衡问题,其中所有函数都是凸的.利用精确罚函数技巧,在一定条件下,证明了解这样的约束向量广义Nash平衡问题可以简化为解约束向量Nash平衡问题.     

双曲正弦罚函数法

对求解一般约束优化问题提出一种算法,并证明了算法的收敛性,数值实验表明了算法的可行性.     

一类二次罚函数矫正算法

以优化理论为基础,对求解一般约束优化问题提出一种算法.它对于惩罚因子可以通过算法自我矫正逼近最优项,在一定条件下证明了算法的收敛性.最后给出算例,结合MATLAB数值试验结果验证了这一算法的有效性.     

求解随机互补问题的可微罚方法

【目的】研究随机互补问题的期望值模型。【方法】借鉴罚函数法和样本均值逼近方法求解随机互补问题的期望值模型。【结果】在适当假设下，证明了样本均值逼近问题最优解的收敛性和收敛率。【结论】所得结果为研究随机互补问题提供了新的思路。