无约束极大极小问题的广义梯度投影算法

本文讨论Rⁿ空间上的无约束极大极小问题. 通过Rⁿ⁺¹空间上的广义梯度投影技术产生Rⁿ上的下降搜索方向,进而结合Armijo非精确线搜索建立了原问题Rⁿ上的一个广义梯度投影型算法.算法在仿射线性无关条件下,具有全局收敛性和强收敛性. 文中对算法进行了初步的数值试验.     

极大极小问题的广义投影算法

研究了无约束极大极小问题.通过引入一个可微的辅助函数,利用广义投影技术产生下降搜索方向,结合Armjio非精确线搜索建立了一个广义梯度投影算法.在初始点任意的条件下,证明了算法的全局收敛性.     

一般约束优化问题的一个新广义梯度投影法

本文以l1-l∞混合罚函数作为效益函数,提出一个一般约束优化问题的新的广义梯度投影法.该算法具有以下特点:初始点可任意选取;搜索方向是效益函数的下降方向;在传统的假设条件下具有全局收敛性.论文最后通过数值试验验证了算法的有效性.     

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.     

互补约束规划问题的一个广义梯度投影算法

本文研究了一类均衡约束最优化问题.利用广义梯度投影法,结合罚函数思想,得到了一个初始点可以任意的广义梯度投影算法.在较弱的条件下,证明了算法的全局收敛性.     

一个求解非线性不等式约束优化问题的带有共轭梯度参数的广义梯度投影算法

本文提出一个求解非线性不等式约束优化问题的带有共轭梯度参数的广义梯度投影算法.算法中的共轭梯度参数是很容易得到的,且算法的初始点可以任意选取.而且,由于算法仅使用前一步搜索方向的信息,因而减少了计算量.在较弱条件下得到了算法的全局收敛性.数值结果表明算法是有效的.     

非线性极大极小问题一个新的QP-free算法

本文研究非线性无约束极大极小优化问题. QP-free算法是求解光滑约束优化问题的有效方法之一,但用于求解极大极小优化问题的成果甚少.基于原问题的稳定点条件,既不需含参数的指数型光滑化函数,也不要等价光滑化,提出了求解非线性极大极小问题一个新的QP-free算法.新算法在每一次迭代中,通过求解两个相同系数矩阵的线性方程组获得搜索方向.在合适的假设条件下,该算法具有全局收敛性.最后,初步的数值试验验证了算法的有效性.     

非线性约束优化一个强收敛的广义投影强次可行方向法

讨论带非线性不等式和等式约束的最优化问题,借助强次可行方向法和半罚函数的思想,给出了问题的一个新的广义投影强次可行方向法.该算法的一个重要特性是有限次迭代后,迭代点落入半罚问题的可行域.在适当的条件下证明了算法的全局收敛性和强收敛性.数值实验表明算法是有效的.     

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.     

求解非线性等式和不等式约束优化问题的三项记忆梯度广义投影算法

利用广义投影矩阵，对求解无约束规划的三项记忆梯度算法中的参数给一条件，确定它们的取值范围，以保证得到目标函数的三项记忆梯度广义投影下降方向，建立了求解非线性等式和不等式约束优化问题的三项记忆梯度广义投影算法，并证明了算法的收敛性．同时给出了结合FR，PR，HS共轭梯度参数的三项记忆梯度广义投影算法，从而将经典的共轭梯度算法推广用于求解约束规划问题．数值例子表明算法是有效的．     

解约束优化问题的投影梯度型中心方法

本文提出了一种求解约束优化问题的新算法—投影梯度型中心方法．在连续可微和非退化的假设条件下，证明了其全局收敛性．本文算法计算简单且形式灵活．     

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.     

一类线性约束极大极小问题的算法及其收敛性

§1 引言考虑非线性规划问题 (P) (?)f(x)其中R是n维欧氏空间E~n中的非空多面体,f(x)=sum from j=1 to l f_j(x),而 f_j(x)=(?){β_(ij)(x)},j=1,2,…,l I_j为有限指标集,β_(ij)(·)是E~n上的连续可微函数,x∈E~n。通常(P)是一个不可微规划。最近,文[1]提出了形如f(x)的函数的伪方向导数的概念,并给出了一个解问题(P)的算法,在β_(ij)(·)为上一致可微的条件下证明了算法的收敛性。     

非线性约束优化问题的一个新的全局收敛算法

对于非线性约束的优化问题.最近给出的各种SQP算法均采用罚函数技巧以保证算法的全局收敛性,因而都必须小心地调整惩罚参数。本文给出一个不依赖于惩罚参数、每步迭代的校正矩阵也不需正定且仍具有全局收敛性的SQP方法,而且罚函数形式简单、具有和约束函数同阶的光滑性.     

一个线性约束优化问题的广义梯度投影法

本文对线性约束优化问题提出了一个新的广义梯度投影法，该算法采用了非精确线性搜索，并在每次迭代运算中结合了广义投影矩阵和变尺度方法的思想确定其搜索方向．在通常的假设条件下，证明了该算法的整体收敛性和超线性收敛速度．     

一般约束极大极小问题的一个有效的近似解法

一般约束极大极小问题的一个有效的近似解法唐焕文，张立卫，王云诚（大连理工大学应用数学系，辽宁，１１６０２４）．摘要＊从共扼的观点出发，导出了极大熵函数，给出了处理一般约束极大极小问题的一个有效的近似方法—极大熵方法，并在较弱的条件下，证明了算法的收敛...     

利用Fisher函数解非线性不等式约束优化问题的梯度投影算法

本文将利用梯度投影与Fisher函数提出一个新的二阶段搜索方向,给出相应的解非线性不等式约束优化问题的梯度投影算法,并证明了该算法具有全局收敛性.     

在一个新步长规则下梯度投影算法的全局收敛性

考虑约束最优化问题：minx∈Ωf(x)其中:f:R^n→R是连续可微函数，Ω是一闭凸集。本文研究了解决此问题的梯度投影方法，在步长的选取时采用了一种新的策略，在较弱的条件下，证明了梯度投影响方法的全局收敛性。     

互补约束均衡优化的一个共轭梯度投影法

讨论均衡约束最优化问题,利用一个互补函数和扰动技术将原问题转换为非线性等式约束最优化问题,然后利用共轭梯度投影算法的思想,给出了问题的一个求解算法,在适当的条件下,证明了算法的全局收敛性.     

求解大规模极大极小问题的光滑化三项共轭梯度算法

基于指数罚函数,对最近提出的一种求解无约束优化问题的三项共轭梯度法进行了修正,并用它求解更复杂的大规模极大极小值问题.证明了该方法生成的搜索方向对每一个光滑子问题是充分下降方向,而且与所用的线搜索规则无关.以此为基础,设计了求解大规模极大极小值问题的算法,并在合理的假设下,证明了算法的全局收敛性.数值实验表明,该算法优于文献中已有的类似算法.