一个解凸二次规划的预测-校正光滑化方法

本文为凸二次规划问题提出一个光滑型方法,它是Engelke和Kanzow提出的解线性规划的光滑化算法的推广。其主要思想是将二次规划的最优性K-T条件写成一个非线性非光滑方程组,并利用Newton型方法来解其光滑近似。本文的方法是预测-校正方法。在较弱的条件下,证明了算法的全局收敛性和超线性收敛性。     

一个改进的SQP型算法

本文建立非线性等式和不等式约束规划问题的一个序列二次规划(SQP)型算法.算法的每次迭代只需解一个确实可解的二次规划，然后对其解进行简单的显式校正，便可产生关于罚函数是下降的搜索方向，克服Maratos效应.在适当的假设条件下，还论证了算法的全局收敛性和超级收敛性.     

垂直线性互补问题的一步全局线性和局部二次收敛光滑Newton法

基于凝聚函数,提出一个求解垂直线性互补问题的光滑Newton法.该算法具有以下优点:(i)每次迭代仅需解一个线性系统和实施一次线性搜索;(ⅱ)算法对垂直分块P0矩阵的线性互补问题有定义且迭代序列的每个聚点都是它的解.而且,对垂直分块P₀+R₀矩阵的线性互补问题,算法产生的迭代序列有界且其任一聚点都是它的解;(ⅲ)在无严格互补条件下证得算法即具有全局线性收敛性又具有局部二次收敛性.许多已存在的求解此问题的光滑Newton法都不具有性质(ⅲ).     

一种非单调序列线性方程组算法

本文提出了一个新的非单调序列线性方程组(SSLE)算法.在每次迭代过程中只需解三个具有相同系数矩阵的线性方程组,以替代解二次规划子问题,使得新算法的总计算量大大减少.该算法不需要罚函数也无需滤子,从而避免了由罚参数的选取所带来的困难.并且适用于解所有一般约束优化问题,无需初始点可行.该算法具有全局收敛性.数值结果表明该算法是有效的.     

一个关于二次规划问题的分段线性同伦算法

本文发展了一个关于二次规划问题的分段线性同伦算法。该算法可看作是外点罚函数法的一个变体。凡是符合外点罚函数法收敛条件的二次规划问题用该算法均可经有限次轮回运算得到稳定解。大量的关于随机的凸二次规划问题的数值实验结果表明它的计算效率是高的，在某些条件下可能是多项式时间算法。     

解半定规划的二次摄动方法

半定规划在系统论,控制论,组合优化,和特征值优化等领域有着广泛的应用。本文将半定规划摄动成二次半定规划,它的唯一解恰为原问题的解,并且对其偶问题等价于一个线性对称的投影方程,可方便地用投影收缩方法求解,从而获得原半定规划问题的解。文章给出了算法及其收敛性分析,数值试验结果表明摄动方法是解半定规划的一种有效的方法。     

边界约束非凸二次规划问题的分枝定界方法

本文是研究带有边界约束非凸二次规划问题,我们把球约束二次规划问题和线性约束凸二次规划问题作为子问题,分明引用了它们的一个求整体最优解的有效算法,我们提出几种定界的紧、松驰策略,给出了求解原问题整体最优解的分枝定界算法,并证明了该算法的收敛性,不同的定界组合就可以产生不同的分枝定界算法,最后我们简单讨论了一般有界凸域上非凸二次规划问题求整体最优解的分枝与定界思想。     

非线性约束最优化一族超线性收敛的可行方法

本文建立求解非线性不等式约束最优化一族含参数的可行方法．算法每次迭代仅需解一个规模较小的二次规划．在一定的假设条件下,证明了算法族的全局收敛性和超线性收敛性．     

不等式约束最优化超线性与二次收敛的强次可行SQP算法

利用ＳＱＰ方法、广义投影技术和强次可行方（向）法思想,建立不等式约束优化一个新的初始点任意的快速收敛算法． 算法每次迭代仅需解一个总存在可行解的二次子规划,或用广义投影计算“一阶”强次可行下降辅助搜索方向;采用曲线搜索与直线搜索相结合的方法产生步长． 在较温和的条件下,算法具有全局收敛性、强收敛性、超线性与二次收敛性． 给出了算法有效的数值试验．     

一类求解线性约束非线性规划问题的可行方向法

Wilson,Han和Powell提出的序列二次规划方法(简称SQP方法)是求解非线性规划问题的一个著名方法,这种方法每次迭代的搜索方向是通过求解一个二次规划子问题得到的,本文受[1]启发,得到二次规划子问题的一个近似解,进而给出了一类求解线性约束非线性规划问题的可行方向法,在约束集合满足正则性的条件下,证明了该算法对五种常用线性搜索方法具有全局收敛性。     

求解正定二次规划的一个全局收敛的滤子内点算法

现有的大多数分类问题都能转化成一个正定二次规划问题的求解.通过引入滤子方法,并结合求解非线性规划的原始对偶内点法,给出求解正定二次规划的滤子内点算法.该算法避免了使用效益函数时选取罚因子的困难,在较弱的假设条件下,算法具有全局收敛性.     

一种修正的线搜索Filter-SQP算法

序列二次规划(SQP)算法是解非线性优化问题最有效的方法之一,然而当QP子问题不相容时SQP算法将会失败,且在罚函数中选择合适的罚参数比较困难.此处在原Filter-SQP算法的基础上,利用特定的凸规划模型代替QP子问题,提出一种修正的线搜索filter-SQP算法,并证明它的全局收敛性.此算法原理简单,容易实现,且具有全局收敛性,数值实验表明它是有效的.     

一类大规模二次规划问题的可行下降分解算法

本文对一类大规模二次规划问题，提出了矩阵剖分的概念和方法，并将问题转化为求解一系列容易求解的小规模二次规划子问题．另外，通过施加某些约束机制，使子问题所产生的迭代点均为可行下降点．在通常的假定下，证明算法具有全局收敛性，大量数值实验表明，本文所提出的新算法是有效的。     

求解特定线性互补问题的牛顿KKT内点法

利用线性互补问题与二次规划之间的关系,推广了求解二次规划的KKT内点法,并用于线性互补问题,分析了推广算法的全局收敛性和局部收敛性.数值实验表明,算法对求解几类线性互补问题是有效的.     

一类带非单调线搜索的非单调信赖域新算法

文章结合非单调信赖域方法和非单调线搜索技术提出了一类新的无约束优化算法.与传统的非单调信赖与算法相比,此算法在每步都采用非单调Wolfe线搜索得到下一个迭代点,信赖域半径由子问题的近似解和线搜索的步长调节,这样得到的新算法不仅不需重解子问题,而且在每步迭代保证目标函数的近似海赛矩阵的正定性,在一定条件下证明了算法具有全局收敛性和Q-二次收敛性.数值试验表明算法是十分有效的.     

数学规划的一种障碍目标罚函数算法（英文）

研究了数学规划的一种障碍目标罚函数算法,首先,针对数学规划问题定义了一种障碍目标罚函数,针对凸规划问题,提出了一种求解近似最优解的算法,并证明了对应的收敛性,然后,针对一般数学规划问题又提出一个改进算法,并证明了对应的收敛性,最后,数值实验结果表明了提出的改进算法比传统的障碍函数算法有更好的收敛性.     

超线性与二次收敛的序列方程组可行方法

本文讨论不等式约束规划问题,给出一个线性方程组与辅助方向相结合的新可行算法,算法用一种新型的直线搜索产生步长.在一定条件下,当k充分大后,求方向dk每次只需解一个线性方程组.文中证明了算法的全局收敛性与超线性的收敛速度以及二次收敛性,并给出了方法初步的数值试验.     

求解互补问题的一种序列二次规划方法

通过将互补问题转化为一种带非负约束的极小化问题 ,给出了求解互补问题的一种序列二次规划方法 .该方法中每一个子问题都是可解的 ,迭代产生的序列是非负的 ,在适当的条件下 ,分别证明了算法的全局收敛性、局部超线收敛性以及局部二次收敛性 .     

一类线性约束下不可微最优化问题的可行下降方法

本文给出了一类线性约束下不可微量优化问题的可行下降方法，这类问题的目标函数是凸函数和可微函数的合成函数，算法通过解系列二次规划寻找可行下降方向，新的迭代点由不精确线搜索产生，在较弱的条件下，我们证明了算法的全局收敛性     

无界域上不定二次规划的一个算法

本文给出了无界域上不定二次规划一个算法 ,该算法将不定二次规划转化为一系列凸二次规划 ,并证明了算法的收敛性 .