最优化问题一个强收敛的强次可行方向法

讨论非线性等式与不等式约束最优化,用广义投影技术和强次可行方向法思想,建立一个初始点任意的新算法,该算法不仅具有全局收敛性,且搜索方向是强次可行下降的,从而得出更好的强收敛性。     

一般约束最优化强收敛的广义强次可行方向法

讨论一般约束最优化,利用广义投影技术和强次可行方向法思想,建立一个初始点任意的新算法,该算法不仅具有全局收敛性,而且是强收敛的,文中还对算法进行数值试验。     

最优化广义次可行方向法的统一模型及收敛性

讨论了一般的约束最优化问题,首先将原问题转化为只带不等式与线性等式约束的扩充优化问题,然后利用次可行方向法思想及梯度投影法,通过扩充问题建立问题的一类十分一般的求解模型,分析了模型在原问题的Ｋ－Ｔ点解集内的全局收敛性。     

广义梯度投影下的强次可行方向法

利用广义投影技术建立一个求解非线性不等式约束优化问题的强次可行方向法。该算法不但不使用任何转轴运算和罚函数技术，而且只用广义ε－积极约束集确定广义投影阵，搜索方向也十分简单。     

线性约束最优化的一个超线性收敛可行方向法

利用二次规划技术,给出线性约束最优化问题的一个超线性收敛的可行方向法。方法的特点是:1.取可行点作为初始点,每次迭代仅解一个确实有解的二次规划,避免了校正的程序,只经一步迭代便得到搜索方向。2.方法所进行的线性搜索是通常的直线搜索,具有很小的计算量和广泛的实用性。3.每一步迭代都保证迭代点的可行性。4.以二次规划的解向量作为可行下降方向。5.在适当假设条件下,证明了算法的全局收敛性和超线性收敛性。     

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。     

基于进化算法的拟可行方向法及其收敛性

在传统优化算法中嵌入一拟步骤 ,改善了算法的收敛性质 ;并用进化算法计算拟步骤 ,提高了算法的全局搜索能力 ,又不改变原算法的收敛性 .且研究了参数变化对算法的影响 ,并对算法进行了数值实现     

非线性规划问题的一个全局收敛的次可行方向法

本文给出非线性不等式约束最优化问题的一个初始点可行取的算法，利用梯度投影构造搜索方向，并使用符号函数对搜索方向和搜索函数进行有效的控制，使得一旦迭代点进入了可行域，其后的方向将成为可行下降方向，搜索函数将由罚函数变为原问题的目标函数（故称之为次可行方向法）在较为温和的条件下证明了方法的全局收敛性，及罚参数只需进行有限次调整。     

不等式约束极大极小问题一个新的（ε,δ）-广义投影可行方向法

结合Armjio线搜索和（ε,δ）-广义投影技术,本文提出了求解不等式约束极大极小问题一个新的广义投影可行方向法.在算法的每一步迭代中,其搜索方向由一个新的（ε,δ）-广义投影显式给出.在较温和的假设下,新算法具有全局收敛性和强收敛性。     

线性不等式约束优化问题的强信赖域算法

对一类带有非负边界约束的线性不等式约束优化问题进行了研究,提出了一种新的信赖域算法.该算法在内点法的基础上,把非负边界约束从一般的不等式约束中分离出来,化为信赖域约束的一部分,得到一个简单易解的子问题.在一定的条件下证明了该算法具有强收敛性,并给出了数值结果.     

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。     

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.     

一类广义混合变分不等式组解的强收敛定理

研究了Banach空间中一类广义混合变分不等式组问题,引进了一种新的迭代算法,研究了由迭代算法生成的序列的收敛性,并得到了这类变分不等式组解的强收敛定理,从而推广和改进了相关文献的一些工作.     

Banach空间中广义变分不等式迭代算法的强收敛性

利用修改的外梯度方法,结合修改的Mann迭代方法,讨论了一类Banach空间中严格伪压缩映像的广义变分不等式问题.在适当的条件下,证明了算法所得到的序列强收敛到相应问题的解.     

解约束优化问题的QP-free非可行域方法

提出了一种新的QP-free非可行域方法，用来解不等式约束的最优化问题．通过乘子函数和F-B非线性互补函数，构造一个等价于原约束问题一阶KKT条件的非光滑方程组．在此基础上给出解这方程组的迭代算法．与QP-free可行域方法相比较，在不要求迭代点严格可行性的情况下，此方法是可执行的．在不要求严格互补松弛成立、聚点是孤立的，以及积极约束函数梯度是线性独立等条件下，证明该方法具有全局收敛性．另外在较弱的条件下，证明该方法具有超线性收敛性．