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.     

一个解非线性0-1整数规划问题基于罚函数的混合粒子群优化算法

利用罚函数思想把非线性0-1整数规划问题转化为无约束最优化问题,然后把粒子群优化和罚函数方法结合构造出一个基于罚函数的混合粒子群优化算法,数值结果表明所提出的算法是有效的.     

近似逼近l_1精确罚函数的罚函数

本文对可微非线性规划问题提出了一类新的近似渐近算法与一类渐近算法,它们都是基于一类逼近l1精确罚函数的罚函数而提出的.并证明了近似算法所得序列若有聚点则其为原问题的最优解;若所得序列为无界的,则给出了序列值收敛到最优值的一个充分条件.对渐近算法,在弱的假设条件下,证明了算法所得的极小点列有界,且其聚点均为原问题的最优解.并在Mangasarian-Fromovitz约束条件下,证明了有限次迭代之后,所有迭代均为可行的,即迭代所得的极小点为可行点.     

求解MINLP的几类罚函数方法的分析和探讨

针对混合整数非线性约束优化问题(MINLP)的一般形式,通过罚函数的方法,给出了它的几种等价形式,并证明了最优解的等价性.将约束优化问题转化成更容易求解的无约束非线性优化问题,并把混合整数规划转化成非整数优化问题,从而将MINLP的求解简化为求解一个连续的无约束非线性优化问题,进而可用已有的一般无约束优化算法进行求解.     

一类逼近l1精确罚函数的罚函数

本文对可微非线性规划问题提出了一个渐近算法,它是基于一类逼近l1精确罚函数的罚函数而提出的,我们证明了算法所得的极小点列的聚点均为原问题的最优解,并在Mangasarian-Fromovitz约束条件下,证明了有限次迭代之后,所有迭代均为可行的,即迭代所得的极小点为可行点.     

基于二次函数光滑化逼近的修正低阶罚函数

针对不等式约束优化问题, 给出了通过二次函数对低阶精确罚函数进行光滑化逼近的两种函数形式, 得到修正的光滑罚函数. 证明了在一定条件下, 当罚参数充分大, 修正的光滑罚问题的全局最优解是原优化问题的全局最优解. 给出的两个数值例子说明了所提出的光滑化方法的有效性.     

求解定常不可压Stokes方程的两层罚函数方法

借助于两套有限元网格空间提出了一种求解定常不可压Stokes方程的两层罚函数方法.该方法只需要求解粗网格空间上的Stokes方程和细网格空间上的两个易于求解的罚参数方程（离散后的线性方程组具有相同的对称正定系数矩阵）.收敛性分析表明粗网格空间相对于细网格空间可以选择很小，并且罚参数的选取只与粗网格步长和问题的正则性有关.因此罚参数不必选择很小仍能够得到最优解.最后通过数值算例验证了上述理论结果，并且数值对比可知两层罚函数方法对于求解定常不可压Stokes方程具有很好的效果.     

基于双参数罚函数求解约束优化问题的一个新算法

对于含约束不等式的最优化问题给出了一种双参数罚函数形式,在文[7]的拟牛顿算法的基础上提出了一个同时改变双参数罚函数的新算法,研究了它的收敛性,数值实验表明了该算法是有效的.     

一类新的罚函数与罚算法(英)

在本文中,我们提出了带不等式约束的非线性规划问题的一类新的罚函数,它的一个子类可以光滑逼近$l_1$罚函数. 基于此类新的罚函数我们给出了一种罚算法,这个算法的特点是每次迭代求出罚函数的全局精确解或非精确解. 在很弱的条件下算法总是可行的. 我们在不需要任何约束规范的情况下,证明了算法的全局收敛性. 最后给出了数值实验.     

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.     

一种新的逼近精确罚函数的罚函数及性质

针对可微非线性规划问题提出了一个新的逼近精确罚函数的罚函数形式,给出了近似逼近算法与渐进算法,并证明了近似算法所得序列若有聚点,则必为原问题最优解. 在较弱的假设条件下,证明了算法所得的极小点列有界,且其聚点均为原问题的最优解,并得到在Mangasarian-Fromovitz约束条件下,经过有限次迭代所得的极小点为可行点.     

用罚函数求解线性双层规划的全局优化方法

用罚函数法将线性双层规划转化为带罚函数子项的双线性规划问题，由于其全局最优解可在约束域的极点上找到，利用对偶理论给出了一种求解该双线性规划的方法，并证明当罚因子大于某一正数时，双线性规划的解就是原线性双层规划的全局最优解。     

求解广义纳什均衡问题的指数型惩罚函数方法

本文利用指数型惩罚函数部分地惩罚耦合约束,从而将广义纳什均衡问题(GNEP)的求解转化为求解一系列光滑的惩罚纳什均衡问题 (NEP)。我们证明了若光滑的惩罚NEP序列的解序列的聚点处EMFCQ成立,则此聚点是 GNEP的一个解。进一步,我们把惩罚 NEP的KKT条件转化为一个非光滑方程系统,然后应用带有 Armijo 线搜索的半光滑牛顿法来求解此系统。最后,数值结果表明我们的指数型惩罚函数方法是有效的。     

极大熵方法与指数罚函数

就非线性极大极小问题，阐明了极大熵方法与指数罚方法的关系．通过分析相关Ｈｅｓｓｉａｎ阵的条件数，对二者进行了对比．     

非线性-线性二层规划问题的罚函数方法

利用下层问题的K-T最优性条件将下层为线性规划的一类非线性二层规划转化成相应的单层规划,同时取下层问题的互补条件为罚项,构造了该类非线性二层规划的罚问题.通过对相应罚问题性质的分析,得到了该类非线性二层规划问题的最优性条件,同时设计了该类二层规划问题的求解方法.数值结果表明该方法是可行、有效的.     

A Lower Bound for the Penalty Parameter in the Exact Minimax Penalty Function Method for Solving Nondifferentiable Extremum Problems

In the paper, we consider the exact minimax penalty function method used for solving a general nondifferentiable extremum problem with both inequality and equality constraints. We analyze the relationship between an optimal solution in the given constrained extremum problem and a minimizer in its associated penalized optimization problem with the exact minimax penalty function under the assumption of convexity of the functions constituting the considered optimization problem (with the exception of those equality constraint functions for which the associated Lagrange multipliers are negative—these functions should be assumed to be concave). The lower bound of the penalty parameter is given such that, for every value of the penalty parameter above the threshold, the equivalence holds between the set of optimal solutions in the given extremum problem and the set of minimizers in its associated penalized optimization problem with the exact minimax penalty function.     

The Penalty Functions Method and Multiplier Rules Based on the Mordukhovich Subdifferential

We show that the finite-dimensional Fritz John multiplier rule, which is based on the limiting/Mordukhovich subdifferential, can be proved by using differentiable penalty functions and the basic calculus tools in variational analysis. The corresponding Kuhn–Tucker multiplier rule is derived from the Fritz John multiplier rule by imposing a constraint qualification condition or the exactness of an ?₁ penalty function. Complementing the existing proofs, our proofs provide another viewpoint on the fundamental multiplier rules employing the Mordukhovich subdifferential.     

A Smooth Embedding Domain Method Based On the Penalty Approach

It is well known that convergence of the fictitious domain formulation with boundary Lagrange multipliers is slow due to the lower global regularity of its solution. This article presents a smoothed variant of this approach which is based on a formulation in the form of a state constraint optimal control problem. The convergence rate is increased as seen from a model example.     

惩罚函数法在三维等参杂交元的应用

提出在等参杂交元中用惩罚函数法引入平衡约束条件,具体讨论了惩罚函数法在三维等参杂交元中的运用,并提出采用分项罚数的方法,建立最佳的罚平衡杂交元模型．罚平衡法可以在不增加自由度的前提下,有效地扼制寄生应力．数值实验表明,新建立的单元,可以有效地抑制单元畸变对计算精度的影响,从而大幅度提高畸变网格下的计算精度,方法带有普遍性．