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.     

非线性约束规划快速收敛的共轭投影变尺度法

本文讨论非线性等式约束规划问题，给出了问题的一种共轭投影变尺度算法．方法利用变尺度法，梯度投影法及共轭方向法相结合的思想直接给出主搜索方向和辅助方向显式表达式，以罚函数为效益函数，不需解任何二次子规划．在较温和的假设下，算法具有全局收敛性和超线性收敛性．     

非线性约束优化问题的广义投影变尺度方向算法

对非线性约束优化问题已有许多梯度投影的有效算法，由于搜索方向是由投影梯度得到的。因而收敛速度慢，利用投影技术和变尺度矩阵相结合的方法，成功地建立了求解非线性约束优化问题的广义投影变尺度方向算法，并给出了算法的收敛性定理。     

一个求解线性约束的非线性规划的变尺度方向广义投影内点算法

基于内点算法的思想，利用广义投影技术构造了一求解线性约束的非线性规划问题的变尺度方向内点算法，并给出了其收敛性证明。     

非线性约束优化问题的广义投影变尺度方向算法

对非线性约束优化问题已有许多梯度投影的有效算法，由于搜索方向是由投影梯度得到的，因而收敛速度慢。利用投影技术和变尺度矩阵相结合的方法，成功地建立了求解非线性约束优化问题的广义投影变尺度方向算法，并给出了算法的收敛性定理。     

一个改进的变尺度方向算法及其收敛性证明

利用广义投影技术建立了改进的解非线性约束规划的变尺度方向算法，并在较弱的条件下证明了其收敛性。     

求解强单调变分不等式组新的自适应投影算法

自适应投影算法是求解强单调变分不等式的一种重要方法,在自然科学中的诸多领域有着广泛的应用.本文利用自适应投影算法来求解强单调变分不等式组,证明了这种算法的收敛性,本文结果将He B S,Yang H,Meng Q和Han D R改进的Goldstein-Levitin-Polyak投影算法运用到求解变分不等式组上,并构造出了简单实例证明所提出的算法的有效性和可操作性.     

一个改进的变尺度方向算法及其收敛性证明

利用广义投影技术建立了改进的解非线性约束规划的变尺度方向算法，并在较弱的条件下证明了其收敛性。     

线性约束优化问题拓广的广义梯度投影算法

在去掉非退货假设条件下，提出了求解线性约束的非线性最优化问题的一个拓广的广义梯度投影算法，并在广义Armijo步长探索下证明了算法的全局收敛性质。     

均衡约束最优化的一个共轭投影梯度算法

讨论均衡约束最优化问题,利用一个互补函数和扰动技术将原问题转换为非线性等式和不等式约束最优化问题,结合罚函数法提出了一个共轭投影梯度算法,在适当的条件下,证明了算法的全局收敛性,且具有超线性收敛性.     

非线性约束条件下的共轭投影梯度法

针对非线性等式和不等式约束优化问题,结合罚函数法,提出了一个共轭投影梯度法,在适当的假设条件下,证明了该方法的全局收敛性,由于使用了目标函数的二阶导数信息,该算法的超线性收敛速度也能得到保证,数值结果表明,该算法是有效的。     

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.     

利用Fisher函数解约束优化问题的广义梯度投影算法

通过引入一个辅助优化问题,将广义投影与罚函数技巧和F isher函数(a,b)=a2 b2-(a b),a,b∈En的特殊性质:a2 b2-(a b)=0 a≥0,b≥0,ab=0结合起来,给出处理非线性等式、不等式约束问题的广义梯度投影算法,并证明该算法是全局收敛的.该算法不仅保持文献[6]的优点,而且还扩大了初始点的选择范围.     

约束优化问题的广义投影梯度算法分析

对非退化和退化两种情形下的不等式约束优化问题的广义投影梯度算法作了分析,发现所采用的两种不同的求解迭代方向的方法在本质上是相同的。公式法结构简单、便于计算,而在处理退化问题上线性系统求解则体现优越性。     

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.     

线性约束规划的一个广义梯度投影法

讨论一般线性约束非线性规划，通过广义投影技术建立了一个全局收敛的可行方向法。算法不需要作任何转轴运算。     

一般约束问题的广义摄动梯度投影算法

讨论带不等式和等式约束优化问题,提出了求解非线性规划问题的广义摄动梯度投影算法。考虑到计算的误差因素,在搜索方向上进行摄动,得到一个方向不精确的广义梯度投影法。避免了转轴运算,使计算量大为减少,并证明了算法的全局收敛性。     

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．     

最优化问题广义投影下的广义次可行方向算法

利用广义投影技术和次可行方向法思想建立了非线性等式与不等式约束最优化问题的一个算法，它采用广义投影代替了传统的转轴运算，而且广义投影阵只由ε－积极约束函数的梯度产生，对于不等式约束的辅助优化问题，该算法是一个次可行方向类算法，称之为广义次可行方向法，算法在较弱的条件下具有全局收敛性。