一个新的目标罚函数算法

提出了求解约束优化问题的一种新的目标罚函数算法,这种目标罚函数的形式借助于目标罚函数、障碍函数、外部罚函数三种思想构成,提出了一个算法,并证明了算法的收敛性.新算法的一个特点是可以任意选择开始点进行迭代,数值实验结果表明了算法对于不同的初始点的有效性.     

一种双层规划的光滑化目标罚函数算法

论文研究了一种双层规划的光滑化目标罚函数算法,在一些条件下,证明了光滑化罚优化问题等价于原双层规划问题,而且,当下层规划问题是凸规划问题时, 给出了一个求解算法和收敛性证明.     

一种双层规划的光滑化目标罚函数算法（英文）

论文研究了一种双层规划的光滑化目标罚函数算法,在一些条件下,证明了光滑化罚优化问题等价于原双层规划问题,而且,当下层规划问题是凸规划问题时,给出了一个求解算法和收敛性证明.     

非线性半定规划的逐次线性化柔性惩罚法

针对非线性不等式约束半定规划问题提出一种新的逐次线性化方法, 新算法既不要求罚函数单调下降, 也不使用过滤技巧, 尝试步的接受准则仅仅依赖于目标函数和约束违反度, 罚函数中对应于成功迭代点的罚因子不需要单调增加. 新算法或者要求违反约束度量有足够改善, 或者在约束违反度的一个合理范围内要求目标函数值充分下降, 在通常假设条件下, 分析了新算法的适定性及全局收敛性. 最后, 给出了非线性半定规划问题的数值试验结果, 结果表明了新算法的有效性.     

非线性半定规划的逐次线性化柔性惩罚法（英文）

针对非线性不等式约束半定规划问题提出一种新的逐次线性化方法,新算法既不要求罚函数单调下降,也不使用过滤技巧,尝试步的接受准则仅仅依赖于目标函数和约束违反度,罚函数中对应于成功迭代点的罚因子不需要单调增加.新算法或者要求违反约束度量有足够改善,或者在约束违反度的一个合理范围内要求目标函数值充分下降,在通常假设条件下,分析了新算法的适定性及全局收敛性.最后,给出了非线性半定规划问题的数值试验结果,结果表明了新算法的有效性.     

非线性约束优化的光滑化平方根罚函数

介绍一种非线性约束优化的不可微平方根罚函数,为这种非光滑罚函数提出了一个新的光滑化函数和对应的罚优化问题,获得了原问题与光滑化罚优化问题目标之间的误差估计. 基于这种罚函数,提出了一个算法和收敛性证明,数值例子表明算法对解决非线性约束优化具有有效性.     

不等式约束优化问题的低阶精确罚函数的光滑化算法

对不等式约束优化问题提出了一个低阶精确罚函数的光滑化算法. 首先给出了光滑罚问题、非光滑罚问题及原问题的目标函数值之间的误差估计,进而在弱的假
设之下证明了光滑罚问题的全局最优解是原问题的近似全局最优解. 最后给出了一个基于光滑罚函数的求解原问题的算法,证明了算法的收敛性,并给出数值算例说明算法的可行性.     

一类带等式约束非光滑最优化问题的逐次二次规划方法

本文对一类带等式的非光滑最优化问题给出了一种逐次二次规划方法。这类问题的目标函数是非光滑合成函数，约束函数是非线性光滑函数。该方法通过逐次解二阶规划寻找搜索方向，使用ｌ１－罚函数的非精确线搜索得到新的迭代点。我们证明了算法的全局收敛性并给出了数值试验结果。     

低阶精确罚函数的一种二阶光滑逼近

给出了求解约束优化问题的低阶精确罚函数的一种二阶光滑逼近方法,证明了光滑后的罚优化问题的最优解是原约束优化问题的ε-近似最优解,基于光滑后的罚优化问题,提出了求解约束优化问题的一种新的算法,并证明了该算法的收敛性,数值例子表明该算法对于求解约束优化问题是有效的.     

非线性约束最优化问题中的一种光滑精确罚函数算法（英文）

针对非线性不等式约束优化问题提出一种新的光滑精确罚函数,并证明这种类型的光滑罚函数对求解非线性约束优化问题具有好的性质.基于这个光滑精确罚函数,文中设计罚函数算法,并证明在一些较弱的条件下,算法具有全局收敛性.最后,一些数值算例说明算法的有效性.     

Minimax问题的一个滤子算法

本文提出一个求解不等式约束的Minimax问题的滤子算法,结合序列二次规划方法,并利用滤子以避免罚函数的使用.在适当的条件下,证明了此方法的全局收敛性及超线性收敛性.数值实验表明算法是有效的.     

β-光滑Banach空间中一类数学规划问题的最优必要条件

在一般Banach空间中，提出数学规划问题的偏静态条件定义，在目标函数和约束函数均为扩张值下半连续函数的情形下，获得了罚问题解的一个结果，该结果改进和推广了已有的相应结果，并由此证明了β-光滑Banach空间中的模糊乘子规则，从而找出该类数学规划问题的最优必要条件。     

一类新的罚函数与罚算法(英)

在本文中,我们提出了带不等式约束的非线性规划问题的一类新的罚函数,它的一个子类可以光滑逼近$l_1$罚函数. 基于此类新的罚函数我们给出了一种罚算法,这个算法的特点是每次迭代求出罚函数的全局精确解或非精确解. 在很弱的条件下算法总是可行的. 我们在不需要任何约束规范的情况下,证明了算法的全局收敛性. 最后给出了数值实验.     

非线性半定规划一个全局收敛的无罚无滤子SSDP算法

提出了一个求解非线性半定规划的无罚函数无滤子序列二次半定规划(SSDP)算法. 算法每次迭代只需求解一个二次半定规划子问题确定搜索方向; 非单调线搜索保证目标函数或约束违反度函数的充分下降, 从而产生新的迭代点. 在适当的假设条件下, 证明了算法的全局收敛性. 最后给出了初步的数值实验结果.     

带等式约束的光滑优化问题的一类新的精确罚函数

罚函数方法是将约束优化问题转化为无约束优化问题的主要方法之一. 不包含目标函数和约束函数梯度信息的罚函数, 称为简单罚函数. 对传统精确罚函数而言, 如果它是简单的就一定是非光滑的; 如果它是光滑的, 就一定不是简单的. 针对等式约束优化问题, 提出一类新的简单罚函数, 该罚函数通过增加一个新的变量来控制罚项. 证明了此罚函数的光滑性和精确性, 并给出了一种解决等式约束优化问题的罚函数算法. 数值结果表明, 该算法对于求解等式约束优化问题是可行的.     

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.     

互补约束数学规划问题的一个广义梯度投影罚算法

结合罚函数思想和广义梯度投影技术,提出求解非线性互补约束数学规划问题的一个广义梯度投影罚算法.首先,通过扰动技术和广义互补函数,将原问题转化为序列带参数的近似的标准非线性规划;其次,利用广义梯度投影矩阵构造搜索方向的显式表达式.一个特殊的罚函数作为效益函数,而且搜索方向能保证效益函数的下降性.在适当的假设条件下算法具有全局收敛性.     

一种修改的非单调线搜索SQP算法

提出了一种解非线性规划问题的修改的非单调线搜索算法,并给出了它的全局收敛性证明.不需要用罚函数作为价值函数,也不用滤子和可行性恢复阶段.该算法是基于多目标优化的思想一个迭代点被接受当且仅当目标函数值或是约束违反度函数值有充分的下降.数值结果与LANCELOT作了比较,表明该算法是可靠的.     

一种新的逼近精确罚函数的罚函数及性质

针对可微非线性规划问题提出了一个新的逼近精确罚函数的罚函数形式,给出了近似逼近算法与渐进算法,并证明了近似算法所得序列若有聚点,则必为原问题最优解. 在较弱的假设条件下,证明了算法所得的极小点列有界,且其聚点均为原问题的最优解,并得到在Mangasarian-Fromovitz约束条件下,经过有限次迭代所得的极小点为可行点.     

一类半向量二层规划问题的精确罚函数方法

研究了一类半向量二层规划乐观最优解的求解问题.利用下层问题的最优性条件构造了该类半向量二层规划问题的罚问题,分析了原问题的最优解与罚问题最优解之间的关系,证明了罚函数的精确性.同时对目标函数和约束条件均为线性函数的半向量二层规划问题研究了其最优性条件,并设计了相应的罚函数算法.数值结果表明所设计的罚函数方法对该类半向量二层规划问题是可行的.