极大熵方法与指数罚函数

就非线性极大极小问题,阐明了极大熵方法与指数罚方法的关系．通过分析相关Ｈｅｓｓｉａｎ阵的条件数,对二者进行了对比．     

调节熵函数法

１．引言 考虑如下极小极大问题这里ｆｉ（ｘ）是Ｒｎ中连续可微的函数,ｍ≥２是正整数（Ｐ）是一类比较典型的非光滑优化问题,是许多实际问题的数学模型．同时,线性规划的 Ｋａｒｍａｒｋａｒ标准型的对偶也是（Ｐ）的形式,光滑约束优化问题的一类重要罚函数法也是将问题化为类似（Ｐ）的形式．所以,如何有效地求解（Ｐ）,是一个重要问题．近些年发展起来的嫡函数法（或称凝聚函数法）是一种较新颖而实用的方法．它借助信息论中 Ｓｈａｎｎｏｎ熵的概念,推导出一族光滑的极大熵函数Ｆｐ（ｘ）,且Ｆｐ（ｘ）一致逼近要极小化的非光…     

关于熵函数法中的几个问题

本文就熵函数法中的几个问题进行了讨论.首先,就该方法中涉及的指数计算溢出问题,给出了可以完全避免计算机溢出的等价变换.接着就两个光滑函数φp(x)与φp(x,u)的不同特点进行了详细分析,并指出了不正确使用可能陷入的计算误区,藉以纠正文献中将二者混为一谈的错误.     

半无限极大极小问题的极大熵方法

给出了一种求解半无限极大极小问题的极大熵方法，其基本思想是将半无限极大极小问题用有限维的可微无约束优化问题来近似．研究了方法的一些性质，并证明了方法的收敛性．文末的数值结果说明：这种方法是可行的，而算法的构造比已知的算法要容易得多，因而易于在工程设计中推广应用．     

求解约束极大极小问题的一种熵函数法

１引言熵函数法的原始思想源于Ｋｒｅｉｓｓｅｌｍｅｉｅｒ和Ｓｔｅｉｎｈａｕｓｅｒ于１９７９年发表的文［１］．由于使用该方法容易编制可以求解多类优化问题的通用软件,并在具有某种凸性的情况下都能求得满足工程精度要求的解,因而受到国内外工程技术人员的喜爱,进入八十年代以来,该方法被广泛地应用于结构优化和工程设计等领域［２－５］．近年来,熵函数法在求解约束和无约束极大极小问题、线性规划以及半无限规划等问题的算法研究中,也取得了一些很好的成果［６－９］带有等式或不等式约束的极大极小问题是一类具有广泛代表性的…     

一个改进的解线性规划问题的熵函数法

本文将有效因子的概念引入到Shannon熵的信息结构中,提出了一个改进的解线规划问题的熵函数法,随后的理论结果和数值例子表明了本文提出了的方法是有效的。     

参变极值问题的信息凝聚分布与Boltzmann极大熵函数

该文利用Ｂｏｌｔｚｍａｎｎ 熵概念给出了参变极值问题最优解的一种积分极限表达式和极值函数的极大熵函数,讨论了它们一致收敛性的要求并给出了极大熵函数一致收敛的一个充分条件,将之应用到全局最优解问题得到了全局最优解和最优值的一种显表示,最后还探讨了极大熵函数在一类双层规划问题求解中的应用．     

求解约束Min—Max问题的一种极大熵同伦算法

本文将同伦路径跟踪方法与极大熵方法相结合来求解带有约束的Min-Max问题,并得到了算法的收敛性和有效性。     

极大极小问题极大熵方法的收敛性

本文给出了极大极小问题的一种概念性的极大熵方法，并在较弱的条件下，证明了这种方法的收敛性。     

一类不可微优化的极大熵方法的收敛性

本文对求解如下问题的极大熵方法的收敛性质进行了研究：（Ｐ）ｍｉｎｆ（ｘ）＝ｍａｘ｛ｆｉ（ｘ）｝,ｓ,ｔ。ｘ∈Ω＝｛ｘ∈Ｒ＾ｎ│ｇｊ（ｘ）≤０,ｊ＝１,…,ｌ｝。其中ｍ≥１,ｌ≥０为整数;若ｌ＝０,规定Ω＝Ｒ＾ｎ。     

一种新的求解带约束的有限极大极小问题的精确罚函数

提出了一种新的精确光滑罚函数求解带约束的极大极小问题．仅仅添加一个额外的变量,利用这个精确光滑罚函数,将带约束的极大极小问题转化为无约束优化问题． 证明了在合理的假设条件下,当罚参数充分大,罚问题的极小值点就是原问题的极小值点．进一步,研究了局部精确性质．数值结果表明这种罚函数算法是求解带约束有限极大极小问题的一种有效算法．     

A SQP Method for Inequality Constrained Optimization

Abstract In this paper, a new SQP method for inequality constrained optimization is proposed and the globalconvergence is obtained under very mild conditions.     

A Global Regularization Method for Solving the Finite Min-Max Problem

A method is presented for solving the finite nonlinear min-max problem. Quasi-Newton methods are used to approximately solve a sequence of differentiable subproblems where, for each subproblem, the cost function to minimize is a global regularization underestimating the finite maximum function. Every cluster point of the sequence generated is shown to be a stationary point of the min-max problem and therefore, in the convex case, to be a solution of the problem. Moreover, numerical results are given for a large set of test problems which show that the method is efficient in practice.     

Algorithms for a class of nondifferentiable problems

A nonlinear programming problem with nondifferentiabilities is considered. The nondifferentiabilities are due to terms of the form min(f ₁(x),...,f _n(x)), which may enter nonlinearly in the cost and the constraints. Necessary and sufficient conditions are developed. Two algorithms for solving this problem are described, and their convergence is studied. A duality framework for interpretation of the algorithms is also developed.This work was supported in part by the National Science Foundation under Grant No. ENG-74-19332 and Grant No. ECS-79-19396, in part by the U.S. Air Force under Grant AFOSR-78-3633, and in part by the Joint Services Electronics Program (U.S. Army, U.S. Navy, and U.S. Air Force) under Contract N00014-79-C-0424.     

A barrier function method for minimax problems

This paper presents an algorithm based on barrier functions for solving semi-infinite minimax problems which arise in an engineering design setting. The algorithm bears a resemblance to some of the current interior penalty function methods used to solve constrained minimization problems. Global convergence is proven, and numerical results are reported which show that the algorithm is exceptionally robust, and that its performance is comparable, while its structure is simpler than that of current first-order minimax algorithms.This research was supported by the National Science Foundation grant ECS-8517362, the Air Force Office Scientific Research grant 86-0116, the California State MICRO program, and the United Kingdom Science and Engineering Research Council.     

Inner Approximation Method for a Reverse Convex Programming Problem

In this paper, we consider a reverse convex programming problem constrained by a convex set and a reverse convex set, which is defined by the complement of the interior of a compact convex set X. We propose an inner approximation method to solve the problem in the case where X is not necessarily a polytope. The algorithm utilizes an inner approximation of X by a sequence of polytopes to generate relaxed problems. It is shown that every accumulation point of the sequence of optimal solutions of the relaxed problems is an optimal solution of the original problem.     

基于二次函数光滑化逼近的修正低阶罚函数

针对不等式约束优化问题, 给出了通过二次函数对低阶精确罚函数进行光滑化逼近的两种函数形式, 得到修正的光滑罚函数. 证明了在一定条件下, 当罚参数充分大, 修正的光滑罚问题的全局最优解是原优化问题的全局最优解. 给出的两个数值例子说明了所提出的光滑化方法的有效性.     

求解广义纳什均衡问题的指数型惩罚函数方法

本文利用指数型惩罚函数部分地惩罚耦合约束,从而将广义纳什均衡问题(GNEP)的求解转化为求解一系列光滑的惩罚纳什均衡问题 (NEP)。我们证明了若光滑的惩罚NEP序列的解序列的聚点处EMFCQ成立,则此聚点是 GNEP的一个解。进一步,我们把惩罚 NEP的KKT条件转化为一个非光滑方程系统,然后应用带有 Armijo 线搜索的半光滑牛顿法来求解此系统。最后,数值结果表明我们的指数型惩罚函数方法是有效的。