一个结构简单的约束变尺度算法

本文我们考虑具有线性约束凹函数的最优化问题，利用我们的算法和变尺度修正公式，提出了一个结构简单的组合算法，并在「２」，「３」和「４」同样的假设条件下，证明了该算法的收敛性和超线性收敛速度，从而使该算法比原有各算法更具实用性。     

带调整线搜索方向的变尺度算法

为了确保变尺度算法在“坏条件”下的收敛性，本文提出对原算法的线搜索方向作适当地调整的方法，并且证明了带调整线搜索方向的Ｂｒｏｙｄｅｎ类算法，无论线搜索是否精确，它对连接可微函数是收敛的，对一致凸函数是Ｑ－超线性收敛的。     

采用修正搜索方向的约束变尺度算法

以WHP算法为代表的约束变尺度算法是解有约束非线性规划问题的常用算法之一,但是,这类算法还有较多理论问题没有解决。本文提出一类新的约束变尺度算法,而且在不假定‖B_k‖有界的情况下,证明该算法的整体收敛性和在一定条件下,算法超线性收敛。     

约束优化问题的一个变尺度投影算法的全局收敛性

利用投影算子 PxΩ 建立了求解问题 ( P)的变尺度投影算法 ,并讨论了算法的全局收敛性 .     

线性约束优化的信赖域仿射尺度算法

对线性约束优化问题提出一种信赖域仿射尺度算法，在没有非退化假设的条件下，证明了该算法产生的无限序列{x-k}的任一极限点都满足一阶必要条件，且至少存在一个极限点满足二阶必要条件.     

求解不可微箱约束变分不等式的下降算法

1 引 论 设X(?)Rn是非空闭集,F:Rn→Rn连续映射,变分不等式问题VI(X,F)是指:求x∈X,使 F(x)T(y-x)≥0,　 (?)y∈X,(1)记指标集N=(1,2,…,n},当 X=[a,b]≡{x∈Rn|a≤xi≤bi,i∈N},(2)其中a={a1,a2,…,an}T,b={b1,b2,…,bn}T∈Rn时,VI(X,F)化为箱约束变分不等式VI(a,b,F).若ai=0,bi=+∞,i∈N,即X=R+n≡{x∈Rn|x≥0}时,VI(a,b,F)化为非线性     

带有广义Wolfe线搜索的变尺度算法的收敛性

本文提出一类广义Ｗｏｌｆｅ线搜索模型，并且把它与著名的ＢＦＧＳ方法相结合，对于所得到的算法证明了：对于凸函数算法具有全局收敛性和超线性收敛速度，这推广了参考文献［１］中的结果．     

具不等式约束变分不等式的信赖域算法

1　引　　言令Ｘ是Ｒｎ 中的非空闭凸集 ,Ｆ :Ｘ→Ｒｎ 是连续映射 ,〈· ,·〉表示Ｒｎ 中的内积 有限维变分不等式问题 (以下简称变分不等式问题 ,记为ＶＩＰ或ＶＩ(Ｘ ,Ｆ) ) :就是求ｘ ∈Ｒｎ,使ｘ ∈Ｘ且 ｘ ∈Ｘ ,〈Ｆ(ｘ ) ,ｘ -ｘ 〉≥ 0 . ( 1 )在Ｘ =Ｒｎ+ 的特殊情形下 ,( 1 )变为非线性互补问题 (记为ＮＣＰ或ＮＣＰ(Ｆ) ) :就是求ｘ ∈Ｒｎ,使ｘ ≥ 0 ,Ｆ(ｘ ) ≥ 0 ,且〈ｘ ,Ｆ(ｘ )〉 =0 . ( 2 )　　变分不等式长期以来一直用于阐述和研究经济学、控制论、交通运输等领域中出现的各种平衡模型 近二十年来 ,变分不等式及其…     

非线性互补约束规划的一个广义强次可行方向算法

1引言本文讨论带非线性互补约束的最优化问题: (MPEC) (?) (1)其中(x,y,w)∈R~(n m m),f∶R~(n m)→R,g=(g1,g2,…,gl)~T∶R~(n m)→R~l,F= (F_1,F_2…F_m)~T∶R~(n m)→R~m均是连续可微的,w⊥y表示向量w和y是正交的,即w~Ty=0,w ,y∈R~m．记(MPEC)可行集为X．这类问题广泛存在于工程技术、经济、博弈论等各个领域,有着直接的应用价值,故受到人们的广泛关注．关于这方面的应用及部分成果可参考文献[1]-[10]．显然,若将条件F(x,y)⊥y写成内积的形式F(x,y)~Ty=0,则(1)成为一个标准的光滑非线性规划问题(SSNP)．从理论上来说,现有的理论、方法和技术应可以解决问题(1)．遗憾的是,文献[4]     

带线性约束的变尺度算法

本文利用[1]和[2]中的结果,提出一类算法,求解带线性等式约束条件的规划问题。其中A是行线性无关的m×n矩阵。令A∈R~m,构造函数:其中c_j单调增趋向于 ∞的实参数。我们的算法是。步0:i=j=1,初始点(x~1;∧~1)=(x~1;∧~1),初始正定阵H~1,一般可取H~1=I~((n m)×(n m)),参数c_j=(c_0)~j,c_0>1。步1,转步2;否则,转步3。步2:,转步1。步3:     

一般线性或非线性约束下的共轭投影变尺度方法

梯度投影法是一类有效的约束最优化算法，在最优化领域中占有重要的地位．但是，梯度投影法所采用的投影是正交投影，不包含目标函数和约束函数的二阶导数信息·因而；收敛速度不太令人满意．本文介绍一种共轭投影概念，利用共轭投影构造了一般线性或非线性约束下的共轭投影变尺度算法，并证明了算法在一定条件下具有全局收敛性．由于算法中的共轭投影恰当地包含了目标函数和约束函数的二阶导数信息，因而收敛速度有希望加快．数值试验的结果表明算法是有效的．     

混合约束规划的一种新算法

1 引 言 设本文探讨的非线性规划问题为 minf(x) (1.1a) s.t.C_j(x)=0 j∈E (1.1b) C_j(x)≥0, j∈I (1.1c)其中E={1,2,…,m′} I={M′+1,m′+2,…,m},f(x),C_j(x),j∈E∪I,均为二阶连续可微函数。     

线性约束下的共轭投影变尺度法及其超线性收敛性

§1.引言 对于线性约束非线性规划问题,自从Zoutendijk于1960年提出容许方向法以来,相继出现了很多可行方向法,特别是Rosen和Goldfarb的梯度投影法引人注目。很多作者对他们的方法进行了各种形式的改进,把线性约束的情形推广到非线性约束的情形,从凸规划的可行方向法发展到非凸规划的可行方向法,通过引进ε-有效约束集的概念,从     

求解带二次约束的非凸二次规划的一种分支定界算法

本文提出了一种求解带二次约束和线性约束的二次规划的分支定界算法.在算法中,我们运用Lipschitz条件来确定目标函数和约束函数的在每个n矩形上的上下界,对于n矩形的分割,我们采用选择n矩形最长边的二分法,同时我们采用了一些矩形删除技术,在不大幅增加计算量的前提下,起到了加速算法收敛的效果.从理论上我们证明了算法的收敛性,同时数值实验表明该算法是有效的.     

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．     

等式约束优化的组合信赖域与拟牛顿算法

本文对等式约束问题提出了一个种组合信赖域与拟牛顿算法。该算法的特点是若Lagrangian函数的近似Ｈessian阵在等式约束Jacobi阵的零空间正定的,则选择拟牛顿算法,否则用信赖域算法,在通常信赖域算法的收敛假设下,该文证明了组合算法的全局收敛性。