解等式约束优化的既约Hessian依赖域方法

本文提出了解等式约束优化的一个信赖域方法,该方法以既约Hessian逐步二次规划为基础,它享有信赖域方法与既约Hessian方法的优点,在通常条件下,证明了算法的全局收敛性。     

线性约束规划拓广的既约梯度法及其收敛性

本文首先给出由线性等式和不等式以及部分变量非负组成的约束集的一个新的转轴运算。它是以往转轴运算的推广。然后,以此为基础,建立该约束条件下的非线性规划的一个拓广的既约梯度法,它是既约梯度法的广泛推广和改进。算法不需增加任何松驰变量,以致提高问题的维数,扩大问题的规模;方法直接对原问题进行求解。本文算法对一般线性约束规划具有广泛的实用性,其处理技巧带有普遍意义。在非退化假设下,本文算法具有全局收敛性。     

一类超线性收敛的既约变尺度法

本文将既约梯度法与Ｈｕａｎｇ族变尺度法相结合，给出标准型线性约束规划问题的一类既约变尺度法．在较温和的假设下，算法具有全局收敛性和超线性收敛速度，最后指出本文算法包含和改进几个己有的有效算法．     

约束优化问题的广义既约型梯度法

本文提出了二类解约束优化问题的广义既约型梯度法,从统一角度研究了投影梯度法和既约梯度法的结构及其全局收敛性.本文结果统一、推广了常见的可行方向法.     

一个等式约束问题的SQP方法及其收敛性

本文提出一个SQP算法,其效益函数为Flether^[1]提出的连续可微精确罚函数。该算法具有全局收敛性和超线性收敛速度,并且能自动调节罚参数,能有效地处理计算搜索方向的二次子规划的不可行问题。     

非线性等式和线性不等式约束优化的信赖域方法 *

对非线性等式和线性不等式约束的优化问题提出一个新的信赖域算法,在通常假设条件下,证明了算法的全局收敛性.此外,由于通过引进松弛变量,可把非线性不等式约束转化为一个方程的形式,因此,该算法可用于求解一般非线性规划问题.     

基于积极集技术求解无约束极大极小问题的摄动SQP方法

讨论无约束极大极小(minimax)问题,基于积极集识别技术,结合摄动的序列二次规划(SQP)方法,建立问题的一个数值方法.在相当弱的条件下,算法具有弱全局收敛性,并对算法进行了初步的数值试验.     

仿射内点既约投影Hessian算法解非线性约束优化

本文结合非单调内点回代技术,提供了新的仿射信赖域方法解含有非负变量约束和非线性等式约束的优化问题.为求解大规模问题,采用等式约束的Jacobian矩阵的QR分解和两块校正的双边既约Hessian矩阵投影,将问题分解成零空间和值空间两个信赖域子问题.零空间的子问题为通常二次目标函数只带椭球约束的信赖域子问题,而值空间的子问题使用满足信赖域约束参数的值空间投影向量方向.通过引入Fletcher罚函数作为势函数,将由两个子问题结合信赖域策略构成的合成方向,并使用非单调线搜索技术回代于可接受的非负约束内点步长.在合理的条件下,算法具有整体收敛性且两块校正的双边既约Hessian投影法将保持超线性收敛速率.非单调技术将克服高度非线性情况,加快收敛进展.     

仿射内点既约投影Hessian算法解非线性约束优化

本文结合非单调内点回代技术,提供了新的仿射信赖域方法解含有非负变量约束和非线性等式约束的优化问题.为求解大规模问题,采用等式约束的Jacobian矩阵的QR分解和两块校正的双边既约Hessian矩阵投影,将问题分解成零空间和值空间两个信赖域子问题.零空间的子问题为通常二次目标函数只带椭球约束的信赖域子问题,而值空间的子问题使用满足信赖域约束参数的值空间投影向量方向.通过引入Fletcher罚函数作为势函数,将由两个子问题结合信赖域策略构成的合成方向,并使用非单调线搜索技术回代于可接受的非负约束内点步长.在合理的条件下,算法具有整体收敛性且两块校正的双边既约Hessian投影法将保持超线性收敛速率.非单调技术将克服高度非线性情况,加快收敛进展.     

路径跟踪方法求解无界非凸区域上的不动点问题

给出了求解一类无界非凸区域上不动点问题的路径跟踪方法.在适当的条件下,给出了不动点存在性的构造性证明,从而得到了路径跟踪方法的全局收敛性结果.研究结果为计算无界非凸区域上不动点问题提供了一种全局收敛性方法.