非线性不等式约束最优化快速收敛的可行信赖域算法

In this paper,by combining the trust region technique with the generalized gradient projection.a new trust region algorithm with feasible iteration points is presented for nonlinear inequality constrained optimization,and its trust region is a general compact set containing the origion as an inteior point.No penalty function is used in the algorithm,and it is feasible descent .Under suitable assumptions,the algorithm is proved to possess global and strong convergence as well as superlinear and quadratic convergence.Some numerical results are reported.     

具有全局收敛性的求解对称非线性方程组的一个修改的信赖域方法

本文给出一个求解非线性对称方程组问题的修改的信赖域方法,在适当的条件下我们将建立此方法的全局收敛性.对给定的问题而言,数值结果表明此方法是有效的.     

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…     

非线性等式和线性不等式约束优化的信赖域方法 *

对非线性等式和线性不等式约束的优化问题提出一个新的信赖域算法,在通常假设条件下,证明了算法的全局收敛性.此外,由于通过引进松弛变量,可把非线性不等式约束转化为一个方程的形式,因此,该算法可用于求解一般非线性规划问题.     

带记忆信赖域方法的收敛性分析

本文给出了一个求解无约束优化问题的带记忆信赖域算法,并分析了其全局收敛性.     

信赖域方法的收敛性

信赖域方法的收敛性袁亚湘（中国科学院计算中心）ＯＮＴＨＥＣＯＮＶＥＲＧＥＮＣＥＯＦＴＲＵＳＴＲＥＧＩＯＮＡＬＧＯＲＩＴＨＭＳ￥ＹｕａｎＹａ－ｘｉａｎｇ（ＣｏｍｐｕｔｉｎｇＣｅｎｔｅｒＡｃａｄｅｍｉａＳｉｎｉｃａ）Ａｂｓｔｒａｃｔ：Ｔｒｕｓｔｒｅｇｉｏ...     

带非线性不等式约束优化问题的信赖域算法

借助于KKT条件和NCP函数,提出了求解带非线性不等式约束优化问题的信赖域算法.该算法在每一步迭代时,不必求解带信赖域界的二次规划子问题,仅需求一线性方程组系统.在适当的假设条件下,它还是整体收敛的和局部超线性收敛的.数值实验结果表明该方法是有效的.     

一类新的信赖域算法的全局收敛性

本文对于无约束最优化问题提出了一类非单调的信赖域算法，它是通常的单调信赖域算法的推广。当目标函数是有下界的连续可微函数，而且它的二阶导数的近似的模是线性地依赖于迭代次数时，我们证明了新算法的整体收敛性。     

求解线性不等式约束优化问题的一类信赖域算法

本文对线性不等式约束的非线性规划问题提出了一类信赖域算法,证明了算法所产生的序列的任一聚点为Ｋｕｈｎ－Ｔｕｃｋｅｒ点,并讨论了子问题求解的有效集方法．     

约束优化的曲线搜索信赖域算法及其全局收敛性

本文通过对无约束优化ＯＤＥ算法的信赖域分析,提出了约束优化问题的曲线搜索信赖域算法,给出了算法步骤,并讨论了该算法的全局收敛性。     

一种双割线折线法求解信赖域子问题

结合利用Hessian阵的特征值性质,本文提出求解信赖域子问题的一种双割线折线法,它不同于Powell的单折线,Dennis的双折线和赵英良的切线单折线.在适当条件下,分析双割线折线路径的性质,且证明了算法的收敛性.数值试验表明,这种新算法是有效且可行的.     

非线性不等式组的光滑近似方法及其收敛性

将非线性不等式组的求解转化成非线性最小二乘问题,利用引入的光滑辅助函数,构造新的极小化问题来逐次逼近最小二乘问题.在一定的条件下,文中所提出的光滑高斯-牛顿算法的全局收敛性得到保证.适当条件下,算法的局部二阶收敛性得到了证明.文后的数值试验表明本文算法有效.     

一类Dogleg路径信赖域方法

本文提出一类折线搜索的信赖域方法，用于解无约束最优化问题，这些方法通过对一般对称矩阵的Bunch-Parlett分解来产生搜索路径，我们证明在一些较弱的条件下，算法是整体收敛的，对一致凸函数，是二次收敛的，并且在由算法得到的点列的任意聚点上，连续可微的目标函数的Hesse阵都是正定或半正定的，一些数值结果表明这种新的方法是非常有效的。     

Dogleg路径信赖域方法

本文提出一类新的解无约束最优化问题的信整域方法。这类方法是通过对一般对称矩阵的Bunch-Parlett分解来产生搜索路径。它们既可以解目标函数是二次可微的也可以解目标函数是非二次可微的最优化问题，并且在由算法得到点列的任意聚点上，二次连续可微的目标函数的Hesse阵都是正定或半正定的。我们证明在一些较弱的条件下，算法是整体收敛的；对一致凸函数，是二次收敛的。一些数值结果表明这种新的方法是非常有效的。     

On the Global Convergence of a Projective Trust Region Algorithm for Nonlinear Equality Constrained Optimization

A trust-region sequential quadratic programming (SQP) method is developed and analyzed for the solution of smooth equality constrained optimization problems. The trust-region SQP algorithm is based on filter line search technique and a composite-step approach, which decomposes the overall step as sum of a vertical step and a horizontal step. The algorithm includes critical modifications of horizontal step computation. One orthogonal projective matrix of the Jacobian of constraint functions is employed in trust-region subproblems. The orthogonal projection gives the null space of the transposition of the Jacobian of the constraint function. Theoretical analysis shows that the new algorithm retains the global convergence to the first-order critical points under rather general conditions. The preliminary numerical results are reported.     

Convergence Rate of The Trust Region Method for Nonlinear Equations Under Local Error Bound Condition

In this paper, we present the new trust region method for nonlinear equations with the trust region converging to zero. The new method preserves the global convergence of the traditional trust region methods in which the trust region radius will be larger than a positive constant. We study the convergence rate of the new method under the local error bound condition which is weaker than the nonsingularity. An example given by Y.X. Yuan shows that the convergence rate can not be quadratic. Finally, some numerical results are given. This work is supported by Chinese NSFC grants 10401023 and 10371076, Research Grants for Young Teachers of Shanghai Jiao Tong University, and E-Institute of Computational Sciences of Shanghai Universities. An erratum to this article is available at .     

求解非线性系统的有效集信赖域方法

该文给出了一个求解非线性系统的信赖域方法.主要思想是通过引入松弛变量,将问题等价地转化为带非负约束的最优化问题.作者利用有效集策略,在每次迭代中只需求解一个低维的信赖域子问题,该信赖域子问题是通过截断共轭梯度法来近似求解的.在较弱的条件下,获得了一个更一般的收敛性结果.     

采用不定Dogleg路径的非单调自适应信赖域算法解无约束极小化(英文)

In this paper, we combine the nonmonotone and adaptive techniques with trust region method for unconstrained minimization problems. We set a new ratio of the actual descent and predicted descent. Then, instead of the monotone sequence, the nonmonotone sequence of function values are employed. With the adaptive technique, the radius of trust region △k can be adjusted automatically to improve the efficiency of trust region methods. By means of the Bunch-Parlett factorization, we construct a method with indefinite dogleg path for solving the trust region subproblem which can handle the indefinite approximate Hessian Bk. The convergence properties of the algorithm are established. Finally, detailed numerical results are reported to show that our algorithm is efficient.     

无约束拟可微优化的信赖域方法的全局收敛性

设f：R^n→R为实值拟可微函数，x∈domf，则f在x点沿方向d∈R^n的方向导数表示为