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．     

关于约束极小化问题的一个新的简单精确罚函数

针对等式及不等式约束极小化问题,通过对原问题添加一个变量,给出一个新的简单精确罚函数,即在该精确罚函数表达式中,不含有目标函数及约束函数的梯度．在满足某些约束品性的条件下,可以证明:当罚参数充分大时,所给出的罚问题的局部极小点是原问题的局部极小点．     

关于李普希兹规划的L_1-精确罚函数

文[1]讨论了只有不等式约束问题的L_(1-)精确罚函数,给出了原问题的局部极小和L_(1-)精确罚函数局部极小之间的关系。其中有关的函数皆为局部李普希兹函数。本文讨论既有不等式约束又有等式约束问题的L_(1-)精确罚函数,得到与[1]的类似结论。     

基于不等式约束的一类新的增广lagrangian函数

本文提出了一类新的增广lagrangian函数,并证明了它的稳定点、整体极小点与原约束问题KKT点、整体极小点有1-1对应关系,增广lagrangian函数的局部极小点为原问题的局部极小点.     

战斗对策:有约束极小极大途径(Ⅰ)(英文)

本文把战斗对策归结为有约束极小极大问题,讨论解的存在性．引进不连续罚函数后,把有约束问题化为无约束极小极大问题．     

带有不等式约束的非线性规划问题的一个精确增广Lagrange函数

对求解带有不等式约束的非线性非凸规划问题的一个精确增广Lagrange函数进行了研究．在适当的假设下,给出了原约束问题的局部极小点与增广Lagrange函数,在原问题变量空间上的无约束局部极小点之间的对应关系．进一步地,在对全局解的一定假设下,还提供了原约束问题的全局最优解与增广Lagrange函数,在原问题变量空间的一个紧子集上的全局最优解之间的一些对应关系．因此,从理论上讲,采用该文给出的增广Lagrange函数作为辅助函数的乘子法,可以求得不等式约束非线性规划问题的最优解和对应的Lagrange乘子．     

战斗对策:有约束极小极大途径(I)

本文把战斗对策归结为有约束极小极大问题，讨论解的存在性．引进不连续罚函数后，把有约束问题化为无约束极小极大问题。     

精确罚函数和极小极大问题

在这篇文章中我们研究了对于不等式约束的非线性规划问题如何根据极小极大问题的鞍点来找精确罚问题的解。对于一个具有不等式约束的非线性规划问题,通过罚函数,我们构造出一个极小极大问题,应用交换“极小”或“极大”次序的策略,证明了罚问题的鞍点定理。研究结果显示极小极大问题的鞍点是精确罚问题的解。     

一个修正的罚函数方法

本文通过给出的一个修正的罚函数,把约束非线性规划问题转化为无约束非线性规划问题.我们讨论了原问题与相应的罚问题局部最优解和全局最优解之间的关系,并给出了乘子参数和罚参数与迭代点之间的关系,最后给出了一个简单算法,数值试验表明算法是有效的.     

一类逼近l1精确罚函数的罚函数

本文对可微非线性规划问题提出了一个渐近算法,它是基于一类逼近l1精确罚函数的罚函数而提出的,我们证明了算法所得的极小点列的聚点均为原问题的最优解,并在Mangasarian-Fromovitz约束条件下,证明了有限次迭代之后,所有迭代均为可行的,即迭代所得的极小点为可行点.     

非光滑规划的精确罚函数

一、引言罚函数方法是数学规划求约束最优解的重要方法之一.自60年代 Zangwill 等人系统地研究罚函数理论以来,发展很快,文献很多.经典的罚函数理论,是通过添加罚函数项后,研究一系列无约束优化问题.并使惩罚参数趋于无限大来获得原规划的最优解.而精确罚函数理论是通过求解单个无约束优化问题来求原规划的最优解.     

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.     

非线性规划问题的精确增广Lagrange函数

对于一般的非线性规划给出一种精确增广Lagrange函数,并讨论其性质.无需假设严格互补条件成立,给出了原问题的局部极小点与增广Lagrange函数在原问题的变量空间上的局部极小的关系.进一步,在适当的假设条件下,建立了两者的全局最优解之间的关系.     

一种新的广义次梯度及其性质

该文提出了一种新的广义次梯度,讨论了与Tangent锥相关的一些基本性质,且在部分性质基础上得出了含不等式与任意集约束下非凸非可微标量最优化问题的k阶严格局部极小点存在的必要与充分条件以及无约束非凸非可微标量最优化问题局部极小点存在的必要条件.     

关于非李普希兹规划的精确罚函数方法

用精确罚函数方法(EPF)来求解非线性规划(NLP)越来越受到重视。在本文中,我们证明了对于足够大的罚参数O,EPF的局部极小点亦是NLP的局部极小点,并且还给出了一个解NLP的下降算法。本文所用的理论工具是Pshenichnyi引进的上凸逼近及广义次梯度,详细内容可参看[4]。 1.精确罚函数考虑如下的非线性规划     

不等式约束极大极小问题的一个新型模松弛强次可行SQCQP算法

针对带不等式约束的极大极小问题,借鉴一般约束优化问题的模松弛强次可行SQP算法思想,提出了求解不等式约束极大极小问题的一个新型模松弛强次可行SQCQP算法.首先,通过在QCQP子问题中选取合适的罚函数,保证了算法的可行性以及目标函数F(x)的下降性,同时简化QCQP子问题二次约束项参数α_k的选取,可保证算法的可行性和收敛性.其次,算法步长的选取合理简单.最后,在适当的假设条件下证明了算法具有全局收敛性及强收敛性.初步的数值试验结果表明算法是可行有效的.     

近似逼近l_1精确罚函数的罚函数

本文对可微非线性规划问题提出了一类新的近似渐近算法与一类渐近算法,它们都是基于一类逼近l1精确罚函数的罚函数而提出的.并证明了近似算法所得序列若有聚点则其为原问题的最优解;若所得序列为无界的,则给出了序列值收敛到最优值的一个充分条件.对渐近算法,在弱的假设条件下,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.并在Mangasarian-Fromovitz约束条件下,证明了有限次迭代之后,所有迭代均为可行的,即迭代所得的极小点为可行点.     

ABS算法在求解MPEC问题中的应用

应用ABS—隐式LU算法，简化MPEC问题的约束条件，将简化后的MPEC问题转化为目标函数带有罚函数子项的非线性无约束优化问题，给出收敛性定理，证明当罚因子足够大时，此非线性无约束问题的极小点就是简化后的MPEC问题的极小点，将此极小点代入本中给出的一个转换公式可得原MPEC问题的极小点，末给出一算例。     

"准"精确惩罚函数法的渐近性分析

1引言众所周知,罚函数法在最优化理论与数值计算中占据着极其重要的位置,作为求解约束优化问题的一类重要方法,在上世纪五、六十年代曾经历一次发展高潮．近十几年来,伴随着对数障碍函数法在内点法中取得的成功,罚函数法的研究又呈现出一个小高潮[2,3,4]．在罚函数方法里,精确惩罚函数法有着非常吸引人的性质,即,当罚参数大于某个有限门槛值时,仅通过求解单个无约束罚问题便可得到原问题的最优解,从而省去了一般罚函数法解系列无约束优化问题的工作量．     

互补约束优化问题的乘子序列部分罚函数算法

利用互补问题的Lagrange函数,
将互补约束优化问题(MPCC)转化为含参数的约束优化问题.
给出Lagrange乘子的简单修正公式,
并给出求解互补约束优化问题的部分罚函数法. 无须假设二阶必要条件成立,
只要算法产生的迭代点列的极限点满足互补约束优化问题的线性独立约束规范(MPCC-LICQ),
且极限点是MPCC的可行点, 则算法收敛到原问题的M-稳定点. 另外,
在上水平严格互补(ULSC)成立的条件下, 算法收敛到原问题的B-稳定点.