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．     

关于拟牛顿法求解等式约束优化问题的超线性收敛条件

拟牛顿法是求解约束优化问题的有效方法之一,许多作者在理论上讨论了此类算法的全局收敛性和收敛速度,但关于收敛速度的条件讨论较少．Ｂｏｇｇｓ等人给出了一个拟牛顿方法求解等式约束优化问题的超线性收敛的充要条件,但假设条件较强．本文利用分析和代数的技巧,在较弱的条件下证明了该算法的超线性收敛的充要条件仍然成立．     

快速投影Hessian矩阵算法

分析了求解等式约束非线性规划问题的投影Hessian矩阵算法,找出了算法两步Q-超线性收敛的原因,并用BYRD的例子说明此算法的收敛效果较差,即甚至不是线性收敛;对算法进行了合理的改进,并用改进后的算法求解BYRD问题,得到了满意的收敛效果,即Q-超线性收敛．借助数值试验验证了改进算法的快速收敛性．     

快速投影Hessian矩阵算法

分析了求解等式约束非线性规划问题的投影Hessian矩阵算法,找出了算法两步Q-超线性收敛的原因,并用BYRD的例子说明此算法的收敛效果较差,即甚至不是线性收敛;对算法进行了合理的改进,并用改进后的算法求解BYRD问题,得到了满意的收敛效果,即Q-超线性收敛．借助数值试验验证了改进算法的快速收敛性．     

超线性收敛可行方法的研究进展Ⅰ:SQP类方法

非线性约束最优化的超线性收敛可行方法是一个具有重要理论意义和实用价值的研究方向，最近该方向得到广泛而深入的研究，获得一系列新的研究成果，如SQP类方法、序列线性方程组类方法和显式搜索方向类方法。本文介绍可行SQP类方法的最近研究成果，并采用一个拓广的SQP模型统一分析各种算法的超线性收敛性。     

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。     

一个新的求解等式约束优化问题的依赖域算法的超线性收敛分析

对文［１］提出的一个求解等式约束优化问题的依赖域算法进行超线性收敛分析。     

一个新的求解等式约束优化问题的信赖域算法的超线性收敛分析

对文[1]提出的一个求解等式约束优化问题的信赖域算法进行超线性收敛分析.     

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。     

求解非线性最优化问题的序列线性方程组算法

序列二次规划（SQP）算法是目前公认的求解非线性约束优化问题的最有效的算洪之一。但是目前SQP算法存在两个重要问题：（1）每步需要求解一至两个二次规划子问题以得到达代方向,计算工作量大。难以应用于大规模问题;（2）迭代过程中产生的二次规划子问题可能无解,使运算过程中断。尽管可用其他措施重新定义迭代方向。但弛然增加算法的复杂性,增大计算工作量,理论证明也不完善。文中介绍的序列线性方程组方法就是针对SQP算法的缺点而提出的。理论分析和数值实验均表明,这种算法具有迭代时间少,收敛速度快等优点,可以用来求解大规模的非线性优化问题。     

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.     

解约束优化问题的一个新方法

本文用 Lagrange 函数作为下降函数,给出了求解一般约束优化问题的一个SQP 方法,在一定的假设条件下证明了该方法具有全局收敛性和局部超线性收敛性.     

优化问题的序列线性方程组解法

拟牛顿算法是求解无约束优化问题的有效算法.序列二次规划方法是将拟牛顿算法应用于求解约束优化的推广与发展,它保持了拟牛顿算法的超线性收敛速度而成为约束优化的重要算法类.序列线性方程组方法则是它的进一步发展,目的在于每步求迭代方向dk时避免求解计算量较大的二次子规划.现在序列线性方程组方法仍在研究和发展,目的是简化算法结构、减少计算量,同时保持算法的优良性质.     

超线性奇异泛函微分方程两个正解的存在性

通过构造一个特殊的锥,利用不动点指数理论研究在f（u）是超线性的情况下,建立了一类奇异泛函微分方程边值问题两个正解的存在性定理．     

非线性约束条件下一个超线性收敛的──可行方法门（Ⅰ）算法A

序列二次规划算法（即ＳＱＰ算法）一般具有良好的超线性收敛性质，在非线性规划中占有非常重要的地位。从实际数值效果来看，ＳＱＰ类算法对于非线性约束下的最优化问题是非常有效的。但这一类算法在实际运算中和终止时所得到的解一般都是不可行的，对于一些与工程设计等实际应用相关的优化问题，这是一个很严重的不足之处。为了克服现有ＳＱＰ类算法的不足。本文给出了一个非线性约束条件下求解ＳＱＰ类问题的可行方法，即算法Ａ。此新方法具有如下优点：（１）每步迭代仅需计算一个二次子规划及一个矩阵的逆；（２）算法每步迭代产生的点均是可行的；（３）在适当的条件下，算法是一步超线性收敛的。     

非线性优化问题的光滑化序列二次规划方法

为了获得序列二次规划方法的全局收敛性,通常需要借助一个罚函数,但常用的罚函数由于具有不可微性从而给计算带来一定的困难,拉格朗日函数虽然可以克服此困难,但其形式较为复杂,为解决该问题,给出了一类光滑化罚函数.基于一类双曲余弦型光滑化罚函数,提出了等式约束优化问题的一个光滑化序列二次规划方法.该光滑化函数具有良好的连续、可微性和凸性质,在适当条件下,获得了算法的全局收敛性,并给出数值测试说明了算法的有效性.     

一种改进的RVSSLMS波束赋形算法

作为智能天线的关键技术之一,波束赋形算法引起了众多学者的广泛关注。为克服目前RVSSLMS算法比较简便,易于实现,但收敛速度较慢;RLS算法收敛速度较快,但其运算量大的问题,根据移动通信系统中波束赋形算法必须具有较快的响应速度和收敛速度的要求,对RVSSLMS算法进行了改进;结合RLS算法和RVSSLMS算法的优点,在开始迭代前的25次用RLS算法求加权系数W(k),再使RVSSLMS算法用RLS算法求出的加权系数W(k)作为初始值进行迭代求解,使其在保持原有运算量小的特点的同时,具有更快的收敛速度。用Matlab仿真对改进方法的有效性进行了验证,仿真结果表明:RLS-RVSSLMS算法既具有RLS算法收敛速度快的特点,同时保持了RVSSLMS算法计算量小的特点。     

半无限极大极小离散化问题的一个非单调SQCQP算法

针对序列二次规划(SQP)算法在处理结构复杂、 非线性程度较大的半无限极大极小离散化问题时计算效率较低的不足, 提出一种非单调序列二次约束二次规划(SQCQP)算法, 并在适当的条件下证明算法的收敛性. 数值实验结果表明, 在离散水平为100的情形下, 非单调类SQCQP算法在减少迭代次数和计算时间等方面均优于SQP算法.