非线性等式约束优化问题的无惩罚型方法

对非线性等式约束优化问题的一类无惩罚型方法，在没有约束梯度线性独立的假设条件下，分析了在迭代点的可行性条件和目标函数同时改善时的性质，讨论了算法的全局收敛性。     

一类非单调自适应-BFGS信赖域算法

针对无约束优化问题,每次迭代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,并结合BFGS算法的优点,构造了无约束优化问题的一种非单调自适应-BFGS算法.在一定条件下,给出了算法的全局收敛性以及具有超线性收敛速度的证明.     

一类新的求解约束优化问题的锥模型信赖域算法

本文提出了一类新的求解线性等式约束优化问题的锥模型信赖域算法.不同于以往的求解约束问题的锥模型信赖域算法,无论试探步是否被接受,我们在每步都采用Wolfe线搜索得到下一个迭代点,避免了重解子问题,并且保证了序列{Bk}满足拟牛顿方程及其正定性.在适当条件下,证明了算法的全局收敛性,数值试验表明该算法是有效的.     

线性化定制的邻近点算法

针对目标函数不含交叉变量的多个可分离算子的线性约束凸优化问题,利用定制的邻近点算法,线性化算法迭代的二次项,将其转变为单调的变分不等式子问题,给出一种新的线性化定制的邻近点算法.结果表明:对于多个可分离的线性约束凸优化问题,线性化定制的邻近点新算法是有效的,将其转化为等价的混合变分不等式形式,证明了算法的全局收敛性及解的唯一性.     

带凸约束非线性方程组问题的一种投影收缩算法

对带凸约束的非线性方程组问题,基于已有投影算法,我们通过压缩投影区域提出了一种新的投影收缩方法．该算法从理论上可以保证算法产生的下一迭代点更靠近问题的解集．在较弱的条件下,我们建立了算法的全局收敛性和线性收敛性．     

无约束优化问题的稀疏拟牛顿法

对无约束优化问题提出了一种稀疏拟牛顿法,算法在每次迭代中运用拟牛顿方法的思想确定其搜索方向,采用非精确线性搜索确定步长,在通常的假设条件下,证明了算法的全局收敛性和线性收敛速度.     

极大极小优化问题信赖域算法的收敛性

对在最优控制、金融工程、经济管理等领域中具有广泛应用价值的一类非线性极大极小优化问题给出一种新的信赖域算法.在每次迭代中,算法只需求解标准的QP子问题,获取新的迭代点.另外,算法具有易于推广到线性约束的极大极小优化问题的特点.在较弱的假设下,分析了算法的收敛性.     

一个超线性收敛的广义投影序列方程组算法

讨论了非线性不等线约束最优化问题,在较温和条件下,采用广义和投影和序列线性方程相结合的技术,建立一个新的可行下降算法,证明了算法的全局收敛性和超线性收敛性。该算法每交迭代只需解２个线性方程组。     

求解LC1无约束优化问题的信赖域算法

提出一个求解LC^1无约束优化问题的信赖域算法,在较弱条件下证明了全局收敛性和超线性收敛性。     

解一般约束优化问题的牛顿法的超线性收敛性

文献[2]提出了基于F-B函数的解一般约束优化规划问题的牛顿算法,但仅给出了该算法的全局收敛性。在该算法的基础上,进一步证明了该算法的超线性收敛性。