非线性不等式约束优化问题的一个修正BFGS信赖域算法

将一个无约束优化问题的修正BFGS信赖域算法成功地应用于不等式约束优化问题。通过修正BFGS公式构造了新的信赖域子问题,从而得到不等式约束优化问题的修正BFGS信赖域算法,并在一定条件下证明了其可行性。     

一个修改的BFGS信赖域算法

给出一个修改的BFGS校正信赖域算法,并分析其收敛性.该算法能够保持校正矩阵正定和收敛速度是二次的.     

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.     

一个新的BFGS信赖域算法

给出能够保持校正矩阵是正定的新的BFGS信赖域算法,以及该算法的全局收敛性和其二次收敛速度．     

一般非线性约束优化问题的信赖域法

通过引进松弛变量和极小化增广 Lagrange 函数的方法,将等式约束的非线性优化问题推广到不等式约束和一般约束的情形,同时将滤子技巧和信赖域法相结合,提出一种求解非线性约束优化问题的信赖域新算法,扩大了算法的适用范围,提高了算法的计算效率,并通过数值试验说明算法的有效性     

解无约束最优化问题的一个非单调BFGS信赖域算法

在文[19]的基础上，给出了一个解无约束最优化问题的非单调BFGS校正的信赖域算法，此算法具有较好的性质，所给的BFGS校正的具有二次约束的信赖域子问题总保证是严格凸二次规划，在适当的条件下此算法具有全局收敛性和Q-二次收敛性。     

一个求解等式和不等式约束优化问题的信赖域算法

给出了一个求解一般约束优化问题的信赖域算法，此算法采用光滑的增广拉格朗日函数作效益函数，在适当的条件下，证明了算法的整体收敛性。     

解无约束最优化问题的一个非单调BFGS信赖域算法

在文[19]的基础上,给出了一个解无约束最优化问题的非单调BFGS校正的信赖域算法.此算法具有较好的性质,所给的BFGS校正的具有二次约束的信赖域子问题总保证是严格凸二次规划.在适当的条件下此算法具有全局收敛性和Q 二次收敛性.     

一个非单调BFGS信赖域算法

将新的BFGS校正公式Bk 1=Bk yk*y*k TsTkyk*-BksksTkBkskTBksk,与文献[16]中的算法相结合给出一个非单调BFGS校正的信赖域算法.该算法在假设条件:(i)存在常数c1,c2,c3,使得对所有的Δk>0,gk∈Rn,对称正定阵Bk∈Rn×n,有p redk≥c1 gk m in{Δk,c2 gk,c3 gk/Bk};(ii)若B-k 1≤Δk,则dk=-B-k 1gk;(iii)f(x)是二次连续可微函数,2f(xk)是L ip sch itz连续,水平集(x0)有界下,具有全局收敛性和Q-二次收敛性.     

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。     

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。     

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.     

一个修改的求解非线性对称方程组的高斯-牛顿BFGS方法

在文献[10]的基础上,给出一个修改的求解非线性对称方程组问题的高斯-牛顿BFGS方法,并建立该方法的全局和超线性收敛性.该方法比原方法的效果要好.     

大规模优化的修正有限存储BFGS算法

针对大规模无约束优化问题,提出非单调线搜索模型,将其用于有限存储BFGS算法,得到一种修正有限存储BFGS算法;继而在适当的条件下,建立算法的全局收敛及超线性收敛性.最后通过数值算例说明算法的有效性.     

一类修正的BFGS算法及其全局收敛性

基于Hiroshi Yahe等提出的新拟牛顿方程,给出了一类修正的BFGS算法,并在一定的假设条件下,结合Wolfe搜索准则证明了该算法具有全局收敛性.     

一般约束非线性规划问题的光滑牛顿法

用改进的光滑NCP函数替代了文[1,2]中的弱互补函数,提出了一种新的光滑牛顿法,从而实现了一般约束优化问题的KKT条件到非线性方程组之间的完全等价转化,且将文[3]中提出的求解无约束最优化问题的修正BFGS方法加以改进,应用于求解一般的约束最优化问题,避免了计算Hesse矩阵工作量较大的问题,并在一定的条件下证明了该算法的全局收敛性.     

求解约束最优化问题KKT系统的BFGS方法

利用Fischer—Burmeister函数，将约束最优化问题KKT系统转化为等价的非光滑方程组，利用广义导数，给出一个求解该非光滑方程组的BFGS方法。其子问题是一个系数阵为正定对称阵的线性方程组．为保证全局收敛性，我们引进了一个适当的线性搜索，它使得效益函数近似下降．在适当的条件下，我们证明了算法是适定的，并具有全局收敛性和超线性收敛性．