EXACT AUGMENTED LAGRANGIAN FUNCTION FOR NONLINEAR PROGRAMMING PROBLEMS WITH INEQUALITY CONSTRAINTS

An exact augmented Lagrangian function for the nonlinear nonconvex programming problems with inequality constraints was discussed. Under suitable hypotheses, the relationship was established between the local unconstrained minimizers of the augmented Lagrangian function on the space of problem variables and the local minimizers of the original constrained problem. Furthermore, under some assumptions, the relationship was also established between the global solutions of the augmented Lagrangian function on some compact subset of the space of problem variables and the global solutions of the constrained problem. Therefore, from the theoretical point of view, a solution of the inequality constrained problem and the corresponding values of the Lagrange multipliers can be found by the well-known method of multipliers which resort to the unconstrained minimization of the augmented Lagrangian function presented.     

对等式约束非线性规划问题的Hestenes-Powell增广拉格朗日函数的进一步研究

本文对用无约束极小化方法求解等式约束非线性规划问题的Hestenes-Powell 增广拉格朗日函数作了进一步研究．在适当的条件下,我们建立了Hestenes-Powell增广拉格朗日函数在原问题变量空间上的无约束极小与原约束问题的解之间的关系,并且也给出了Hestenes-Powell增广拉格朗日函数在原问题变量和乘子变量的积空间上的无约束极小与原约束问题的解之间的一个关系．因此,从理论的观点来看,原约束问题的解和对应的拉格朗日乘子值不仅可以用众所周知的乘子法求得,而且可以通过对Hestenes-Powell 增广拉格朗日函数在原问题变量和乘子变量的积空间上执行一个单一的无约束极小化来获得．     

一个新的填充函数

填充函数法是一种解无约束全局极小化问题的方法.这种方法的关键是构造填充函数,在已发表的文献中已经介绍了几种填充函数.在此介绍只含一个参数的填充函数,并且根据此填充函数提出了一种填充函数算法.给出了用这种填充函数法解几个测试问题的计算结果.     

求解整数规划的单参数填充函数

本文给出了一个新的求解离散全局最优化问题的单参数填充函数,并给出了一个新的算法,同时给出了对几个测试问题的数据计算结果.     

限制单纯形分解方法中的二次近似

本文给出的算法将信赖域法（TR）与限制单纯形分解方法（RSD）相结合，用于求解RSD方法中的主问题，证明了算法的整体收敛性，给出的算法和RSD方法分别对一些数值例子计算的结果表明算法比RSD方法来得好。     

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．     

全局优化问题的一个单参数填充函数方法

利用改进的填充函数的定义,对一般的无约束最优化问题给出了一个新的单参数填充函数,分析并证明了此填充函数的性质.利用该填充函数,构造了新的算法,对此算法进行了数值实验,并将此算法做了比较,结果表明此填充函数算法是可行的.