解非线性规划问题的不精确线性搜索SQP滤子方法

本文用序列二次规划方法(SQP)结合Wolfe-Powell不精确线性搜索准则求解非线性规划问题.Wolfe-Powell准则是一种能够使目标函数获得充分下降而运行时间较省的确定步长方法.不精确线性搜索滤子方法比较其它结合精确线性搜索和信赖域方法求解问题的滤子方法更灵活更易实现.如果目标函数的预测下降量为负,我们的工作将主要利用可行恢复项改善可行性.一般条件下,本文提出的算法较易实现,且具有全局收敛性.数值试验显示了算法的有效性.     

带线性约束的变尺度算法

本文利用[1]和[2]中的结果,提出一类算法,求解带线性等式约束条件的规划问题。其中A是行线性无关的m×n矩阵。令A∈R~m,构造函数:其中c_j单调增趋向于 ∞的实参数。我们的算法是。步0:i=j=1,初始点(x~1;∧~1)=(x~1;∧~1),初始正定阵H~1,一般可取H~1=I~((n m)×(n m)),参数c_j=(c_0)~j,c_0>1。步1,转步2;否则,转步3。步2:,转步1。步3:     

解约束优化问题的QP-free可行域方法

本文利用一个新的分片线性NCP函数提出一个新的可行的QP-free方法解非线性不等式约束优化问题.不同于其他的QP-free方法,这个方法只考虑在工作集中的约束函数,工作集是积极集的一个估计,因此子问题的维数不是满秩的.这个方法可行的并且不需假定严格互补条件、聚点的孤立性得到算法的全局收敛性,并且积极约束函数的梯度不要求线性独立的,其中由拟牛顿法得到的子矩阵不需要求一致正定性.     

一类带Wolfe条件的修改的Broyden算法

本文提出一类带Wolfe条件的修改的Broyden算法,证明了在一定条件下,算法具有整体收敛性、超线性收敛率和二阶收敛性,及Broyden算法的一些收敛性质。1.算法     

带调整线搜索方向的变尺度算法

为了确保变尺度算法在“坏条件”下的收敛性，本文提出对原算法的线搜索方向作适当地调整的方法，并且证明了带调整线搜索方向的Ｂｒｏｙｄｅｎ类算法，无论线搜索是否精确，它对连接可微函数是收敛的，对一致凸函数是Ｑ－超线性收敛的。     

带新NCP函数的Lagrangian乘子方法

在经营管理、工程设计、科学研究、军事指挥等方面普遍存在着最优化问题,而实际问题中出现的绝大多数问题都被归纳为非线性规划问题之中。作为带等式、不等式约束的复杂事例,最优化问题的求解向来较为繁琐、困难。适当条件下,非线性互补函数(NCP)可以与约束优化问题相结合,其中NCP函数的无约束极小解对应原约束问题的解及其乘子。本文提出了一类新的NCP函数用于解决等式和不等式约束非线性规划问题,结合新的NCP函数构造了增广Lagrangian函数。在适当假设条件下,证明了增广Lagrangian函数与原问题的解之间的一一对应关系。同时构造了相应算法,并证明了该算法的收敛性和有效性。     

一种求解混合约束优化问题的半可行序列线性方程组滤子算法的局部收敛性

作者在[10]中提出了一种半可行序列线性规划滤子方法.它将QP-free方法推广至混合约束优化问题上,并且保持对不等式约束的可行性,对等式约束部分用滤子方法处理,从而避免了罚参数的选取.该算法只需求解四个具有相同系数矩阵的线性方程组以得到搜索方向.在一定程度上克服了序列二次规划方法的缺点.[10]中仅给出了全局收敛性.本文主要给出了该算法的局部超线性收敛性证明以及数值结果.     

解约束优化问题的相容SQP滤子方法

提出了解约束优化问题的一类相容SQP滤子算法.利用序列二次规划方法结合信赖域技术计算试探步,而用滤子接受准则选择接受试探步.对二次规划子问题的不相容问题,应用Powell1978年于文[9]提出的方法对其约束引进参数进行了可行化处理.在一般条件下,算法具有全局收敛性.最后,数值试验显示了较好的结果.     

解不等式约束优化的新的序列线性方程组方法

提出一种新的序列线性方程组(SSLE)算法解非线性不等式约束优化问题.在算法的每步迭代,子问题只需解四个简化的有相同的系数矩阵的线性方程组.证明算法是可行的,并且不需假定聚点的孤立性、严格互补条件和积极约束函数的梯度的线性独立性得到算法的全局收敛性.在一定条件下,证明算法的超线性收敛率.