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.     

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.     

不等式约束优化一个基于滤子思想的广义梯度投影算法

讨论非线性不等式约束优化问题, 借鉴于滤子算法思想,提出了一个新型广义梯度投影算法.该方法既不使用罚函数又无真正意义下的滤子.每次迭代通过一个简单的显式广义投影法产生搜索方向,步长由目标函数值或者约束违反度函数值充分下降的Armijo型线搜索产生.算法的主要特点是: 不需要迭代序列的有界性假设;不需要传统滤子算法所必需的可行恢复阶段;使用了ε积极约束集减小计算量.在合适的假设条件下算法具有全局收敛性, 最后对算法进行了初步的数值实验.     

约束优化无罚函数非单调SQP算法

本文研究求解非线性约束优化问题.利用非单调无罚函数方法,提出了一个新的序列二次规划算法.该算法在每次迭代过程中只需求解一个QP子问题和一个线性方程组.在一般条件下,算法具有全局收敛性,数值结果表明,计算量小于单调且含罚函数的传统算法.     

一类非线性三层规划问题的罚函数方法

文章研究了一类结构为非线性-线性-线性三:层规划问题的求解方法.首先,基于下层问题的Karush-Kuhn-Tucker (K-K-T)最优性条件,将该类非线性三层规划问题转化为具有互补约束的非线性二层规划,同时将下层问题的互补约束作为罚项添加到上层目标;然后,再次利用下层问题的K-K-T最优性条件将非线性二层规划转化为非线性单层规划,并再次将得到的互补约束作为上层目标的罚项,构造了该类非线性三层规划问题的罚问题.通过对罚问题性质的分析,得到了该类非线性三层规划问题最优解的必要条件,并设计了罚函数算法.数值结果表明所设计的罚函数算法是可行、有效的.     

线性无关假设如何影响非线性约束最优化算法

首先综述非线性约束最优化最近的一些进展. 首次定义了约束最优化算法的全局收敛性. 注意到最优性条件的精确性和算法近似性之间的差异, 并回顾等式约束最优化的原始的Newton 型算法框架, 即可理解为什么约束梯度的线性无关假设应该而且可以被弱化. 这些讨论被扩展到不等式约束最优化问题. 然后在没有线性无关假设条件下, 证明了一个使用精确罚函数和二阶校正技术的算法可具有超线性收敛性. 这些认知有助于接下来开发求解包括非线性半定规划和锥规划等约束最优化问题的更加有效的新算法.     

一类非线性半向量二层规划问题的罚函数方法

本文研究了一类非线性-线性半向量二层规划问题的罚函数求解方法.对于该类半向量二层规划问题,首先基于下层问题的加权标量化方法和Karush-Kuhn-Tucker最优性条件,将其转化为一般的二层规划问题,并取下层问题的互补约束为罚项,构造出相应的罚问题;然后分析罚问题最优解的相关特征以及最优性条件,进而设计了相应的罚函数算法;最后以相关算例验证了罚函数算法的可行、有效性.     

一种求解非线性约束优化问题的无罚函数无滤子的方法

借助于强次可行方向法的思想和滤子法的思想,给出了一种求解非线性约束优化问题的无罚函数无滤子的方法.方法借助于广义投影技术产生搜索方向,直接通过原目标函数和约束违反度函数作为搜索函数来产生步长,有效地避免了消耗计算成本的恢复阶段.最后在适当的假设条件下,给出了算法的全局收敛性和有效性.     

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.     

等式约束优化非单调信赖域算法

设计了一个新的求解等式约束优化问题的非单调信赖域算法.该算法不需要罚函数也无需滤子.在每次迭代过程中只需求解满足下降条件的拟法向步及切向步.新算法产生的迭代步比滤子方法更易接受,计算量比单调算法小.在一般条件下,算法具有全局收敛性.     

不等式约束优化全局收敛的滤子线性方程组算法

设计了求解不等式约束非线性规划问题的一种新的滤子序列线性方程组算法,该算法每步迭代由减小约束违反度和目标函数值两部分构成.利用约束函数在某个中介点线性化的方法产生搜索方向.每步迭代仅需求解两个线性方程组,计算量较小.在一般条件下,证明了算法产生的无穷迭代点列所有聚点都是可行点并且所有聚点都是所求解问题的KKT点.     

解非线性规划问题的非参数罚函数多目标正交遗传算法

对非线性规划问题的处理通常采用罚函数法,使用罚函数法的困难在于参数的选取.本文提出了一种解非线性规划问题非参数罚函数多目标正交遗传算法,对违反约束的个体进行动态的惩罚以保持群体中不可行解的一定比例,从而不但有效增加种群的多样性,而且避免了传统的过度惩罚缺陷,使群体更好地向最优解逼近.数据实验表明该算法对带约束的非线性规划问题求解是非常有效的.     

带等式约束二次规划子问题的滤子SQP算法

一类求解非线性规划问题的滤子序列二次规划(SQP)方法被提出.为了提高收敛速度,给目标函数和约束违反度函数都设置了斜边界.二次规划子问题(QP)设置为两项:不等式约束QP和等式约束QP.两个子问题产生的搜索方向进行线性迭加后为算法的搜索方向.这样的设置可以改善收敛性,并调节算法运行中的一些不良效果.在较温和的条件下,可得到全局收敛性.     

非线性互补约束问题的一个强全局收敛QP-free算法

本文研究非线性互补约束均衡问题.利用光滑近似法的思想及罚函数思想,把非线性互补约束均衡问题转化为一光滑非线性规划问题,该光滑非线性规划问题通过一个新的QP-free算法求解.特别地,不需要严格互补假设条件以及不需要Hessian阵估计正定的假设条件,算法仍具有强全局收敛性.     

一种非单调序列线性方程组算法

本文提出了一个新的非单调序列线性方程组(SSLE)算法.在每次迭代过程中只需解三个具有相同系数矩阵的线性方程组,以替代解二次规划子问题,使得新算法的总计算量大大减少.该算法不需要罚函数也无需滤子,从而避免了由罚参数的选取所带来的困难.并且适用于解所有一般约束优化问题,无需初始点可行.该算法具有全局收敛性.数值结果表明该算法是有效的.     

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.     

非线性半定规划若干算法介绍

介绍近几年国际上求解非线性半定规划的若干有效新算法, 包括增广Lagrangian函数法、序列半定规划法、序列线性方程组法以及交替方向乘子法. 最后, 对非线性半定规划的算法研究前景进行了探讨.     

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.