不等式约束优化问题的一个精确增广拉格朗日函数

给出了求解只带有不等式约束非线性规划问题的一个连续可微精确增广拉格朗日函数法,并讨论了它的精确性质.该方法的主要特点是:在适当的假设下,通过对这个增广拉格朗日函数在原问题变量和乘子变量的积空间上进行一个单一的无约束极小化,即可获得原约束问题的解,从而可以有效地使用标准的无约束极小化方法求解不等式约束非线性规划问题.     

全局最优化的填充修正打洞函数法

研究求解全局最优化问题的算法同.在分析了已有的填充函数法和打洞函数法之后,吸取了这两类算法的优点,给出了一种求取非线性最优化问题全局最优解的填充打洞函数算法.与通常的填充函数法相比,该算法降低了对其中参数的依赖,并且具有较好的求解可操作性.数值试验显示,计算效果是满意的.     

全局最优化问题的全局最优性条件研究

给出了全局最优化问题的全局最优性条件并证明了相应的结论。     

带有二次约束二次规划问题的全局最优化

根据带有二次约束二次规划模型的特殊结构,利用乘积的凸包络和凹包络,给出带有二次约束二次规划问题的松弛线性规划问题,以确定全局最优值的下界,使用超矩形缩减技术以加快分支定界算法的收敛速度,从而提出一个求解带有二次约束二次规划问题的全局最优化算法,证明该算法的收敛性,这个新算法实际上是把分支定界方法与外逼近方法有机地结合起来.数值算例表明所提出的算法是可行的.     

一类全局最优化问题的动态隧道方法

研究了连续变量函数的全局最优化问题，给出了动态隧道方法。该动态隧道方法由局部搜索和动态隧道2个阶段构成。在局部搜索阶段用了动态系统方法。对全局最优化问题的实例进行了数值实验，数值结果表明了该方法的稳健性和有效性。     

Toeplitz矩阵填充的尾端修正增广拉格朗日乘子算法

基于均值的增广拉格朗日乘子（MALM）算法,提出了一种尾端修正的Toeplitz矩阵填充新算法.该算法利用增广拉格朗日乘子（ALM）算法迭代速度较快的优点,对迭代矩阵序列进行结构化与尾端修正.在一定程度上减少了每步均值处理所产生的数据传输量,从而降低了计算代价.同时详细讨论了新算法的收敛性.最后通过数值实验证明了新算法比l步修正的增广垃格朗日乘子（l-MALM）、MALM以及ALM算法在计算时间上有较大程度的减少.     

多极值全局最优化问题的辅助函数法(英)

对于多极值全局最优化问题的目标函数构造了辅助函数并给出了基于辅助函数的下降算法、数值计算结果验证了该算法的有效性。     

非锥凸最优化问题中的可行距离

当一般的非锥凸最优化问题或其对偶不可行时, 通过引入可行距离这一概念, 讨论新系统的可行性,并考察了在新系统中可行距离的性质, 得到了与其等价的可计算的优化形式.     

全局最优化的Darwin ＆ Boltzmann混合策略

提出并实现一种新的全局最优化求解方法－Ｄａｒｗｉｎ ＆ Ｂｏｌｔｚｍａｎｎ混合策略，它是一个综合了Ｄｒｗｉｎ进化策略和Ｂｏｌｔｚｍａｎｎ退火策略特点的通用随机迭代算法。理论分析证明，这一求解算法渐近收敛于全局最优解集且可具有多项式计算复杂性。     

求解全局优化问题的一种新方法

局部最优性必要条件是用来设计局部优化算法的一个主要工具。本文将介绍求解全局优化问题的一种新的方法：利用全局景优性器件（最优性必要备件[NC]和最优性充分备件[SC]）来研究一类{0,1}双值混合二次规划问题的一些最优化算法。首先利用其全局最优性必要条件[NC]来研究这类双值混合二次规划问题的局部最优化算法,然后针对于这类{0,1}双值混合二次规划问题,研究一类特殊的辅助函数Fr,x（x）来克服现有的局部极小点,最后利用所碍到的辅助函数Fr,x（x）和局部优化算法LOMMQP以及全局最冼性充分条件[SC]来得到具有一定终止准则的全局最优化算法（GOM）。     

一种求解全局优化问题的修正相对熵算法及其收敛性

相对熵算法是一种应用随机模拟技术求解组合与连续全局优化问题的高效率方法.本文给出一个修正的求解全局优化问题的相对熵算法(MCE),并在假设所求解的问题仅有一个全局最优点的条件下,给出了修正算法的渐近收敛性.数值结果显示,MCE算法至少和CE算法具有同样的有效性.     

约束全局最优化的一种新的辅助函数法

对于非凸的约束优化问题,如何从一个局部极小点获得全局极小点,这是一个重要的问题。在本文中,作者构造了一种超越当前局部极小点的平稳点函数,并给出了相应的全局下降算法,并且由此得出约束全局优化问题的一个全局极小点。利用本文中的全局下降算法,仅仅搜索原约束优化问题的局部极小点以及通过给定的平稳点函数构造一些无约束优化问题就能够获得约束优化问题的一个全局极小点。数值实验的计算结果均比已有文献所计算的最优值更好,证明本文提出的这种全局下降法是非常有效的。     

约束优化问题的修正二次插值模型算法

本文给出了一种将无约束最优化问题的修正二次插值模型算法应用于约束优化问题的方法,提出了解决的方法和可能会遇到的困难。     

全局最优化的平滑积分变换方法

对于一元六次多项目标函数全局最优化问题的平滑积分变换方法进行了仔细研究，给出了目标函数的极值在平滑变形过程中的演化模式，得到了为达到最佳平滑效果云雾积分权重函数的限制。     

求全局最优化问题的一类填充函数

讨论求全局最优化问题的填充函数算法,构造了一类一般形式的填充函数,已有的若干填充函数都是它的特例．该类填充函数仅有一个参数,容易计算,相对传统填充函数,它在参数较小时就能保持其填充性质．     

全局最优化问题的填充函数算法

填充函数法是由Ge R.P.教授在1990年提出,该类算法是求解全局最优化问题的一种重要的确定性算法。本文受以前学者工作的启发,提出了一个新的无参数填充函数算法,并对其进行了数值试验,试验结果验证了该填充函数算法是有效的。     

一类锥约束的多目标优化问题的拉格朗日强对偶定理

通过运用非线性拉格朗日函数,分别在定义域X有界和无界时,讨论了多目标优化问题及其对偶问题的解的关系,并将优化问题的约束条件由-Rm＋推广到Rm空间中任意的锥K,以便解决更一般的多目标优化问题.     

求解等式约束最优化问题的Broyden算法的全局收敛性

将单边既约Hesse矩阵SQP方法和无导数线性搜索技术相结合，提出了一种求解等式约束最优化问题的拟牛顿算法．在适当的假设条件下，证明了算法全局收敛于优化问题的KKT点，而且收敛速度是局部超线性的．当迭代次数k充分大时，这种算法可以实现单位步长，因此不会出现Marotos效应．     

非光滑约束优化的广义增广拉格朗日方法及其在半无限规划中的应用

为寻找非光滑约束优化问题的稳定点,基于已有的研究成果,提出了一种广义增广拉格朗日方法.即当罚参数有界时,证明了由算法产生的迭代序列的任何聚点都是原问题的稳定点.然后,在适当条件下将该方法应用到了半无限规划问题,并且给出了相关数值实验,证明了该算法对于求解非光滑约束优化问题是有效的.因此,非光滑约束优化的广义增广拉格郎日方法是一种非常有效的方法,在解决半无限规划问题中有十分广泛的应用.     

一类锥约束的多目标优化问题的拉格朗日强对偶定理

通过运用非线性拉格朗日函数,分别在定义域X有界和无界时,讨论了多目标优化问题及其对偶问题的解的关系,并将优化问题的约束条件由-Rm+推广到Rm空间中任意的锥K,以便解决更一般的多目标优化问题.