线性约束最优化问题的一族次可行方向法

本文给出线性约束最优化问题的一族算法．方法具有如下特点：１）初始迭代点可以任意选取；２）一旦有某一个迭代点进入可行域，方法将成为一族可行方向法；３）算法避开不易处理的罚函数和罚参数．文中采用一种最优性控制函数将初始化阶段和最优化阶段有机地结合起来，正是这种技巧保证了算法的全局收敛性     

非线性不等式约束最优化一个超线性与二次收敛的强次可行方法

本文讨论非线性不等式约束最优化问题，借助于序列线性方程组技术和强次可行方法思想，建立了问题的一个初始点任意的快速收敛新算法．在每次迭代中，算法只需解一个结构简单的线性方程组．算法的初始迭代点不仅可以是任意的，而且不使用罚函数和罚参数，在迭代过程中，迭代点列的可行性单调不减．在相对弱的假设下，算法具有较好的收敛性和收敛速度，即具有整体与强收敛性，超线性与二次收敛性．文中最后给出一些数值试验结果．     

一类带等式约束非光滑最优化问题的逐次二次规划方法

本文对一类带等式的非光滑最优化问题给出了一种逐次二次规划方法。这类问题的目标函数是非光滑合成函数，约束函数是非线性光滑函数。该方法通过逐次解二阶规划寻找搜索方向，使用ｌ１－罚函数的非精确线搜索得到新的迭代点。我们证明了算法的全局收敛性并给出了数值试验结果。     

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.     

一个新的目标罚函数算法

提出了求解约束优化问题的一种新的目标罚函数算法,这种目标罚函数的形式借助于目标罚函数、障碍函数、外部罚函数三种思想构成,提出了一个算法,并证明了算法的收敛性.新算法的一个特点是可以任意选择开始点进行迭代,数值实验结果表明了算法对于不同的初始点的有效性.     

无罚函数和滤子的QP-free非可行域方法

提出了求解光滑不等式约束最优化问题的无罚函数和无滤子QP-free非可行域方法. 通过乘子和非线性互补函数, 构造一个等价于原约束问题一阶KKT条件的非光滑方程组. 在此基础上, 通过牛顿-拟牛顿迭代得到满足KKT最优性条件的解, 在迭代中采用了无罚函数和无滤子线搜索方法, 并证明该算法是可实现,具有全局收敛性. 另外, 在较弱条件下可以证明该方法具有超线性收敛性.     

两类逼近精确罚函数法及其数值试验

1 引言 精确罚函数(exact penalty function)的构造主要有两条途径:一是基于Lagrange乘子的乘子罚函数方法,二是直接构造非光滑的精确罚函数。不必进行乘子迭代。本文讨论第三种思路:基于目标函数最优值构造保持光滑性的精确罚函数。某些无参数外点罚函数本应属于此类,但一直仅仅被作为普通外点罚函数的无参数形式。将其与无参 数内点罚函数同等看待,因此基于目标函数最优值构造精确罚函数未得到充分研究。文献[11]给出了初步结果。本文进一步发展了有关理论,导出了两类算法,证明了收敛性,最后给出了数值试验结果。 2 基于目标函数最优值的精确罚函数 考虑如下约束优化问题     

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.     

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.     

约束优化问题的一类光滑罚算法的全局收敛特性

对约束优化问题给出了一类光滑罚算法.它是基于一类光滑逼近精确罚函数 l_p(p\in(0,1]) 的光滑函数 L_p 而提出的.在非常弱的条件下, 建立了算法的一个摄动定理, 导出了算法的全局收敛性.特别地, 在广义Mangasarian-Fromovitz约束规范假设下, 证明了当 p=1 时, 算法经过有限步迭代后, 所有迭代点都是原问题的可行解; p\in(0,1) 时,算法经过有限迭代后, 所有迭代点都是原问题可行解集的内点.     

约束优化问题的一类光滑罚算法的全局收敛特性（英文）

对约束优化问题给出了一类光滑罚算法.它是基于一类光滑逼近精确罚函数l_p(p∈(0,1])的光滑函数L_p而提出的.在非常弱的条件下,建立了算法的一个摄动定理,导出了算法的全局收敛性.特别地,在广义Mangasarian-Fromovitz约束规范假设下,证明了当p=1时,算法经过有限步迭代后,所有迭代点都是原问题的可行解;当p∈(0,1)时,算法经过有限迭代后,所有迭代点都是原问题可行解集的内点.     

基于坐标的既有铁路曲线整正约束优化算法研究

既有铁路曲线整正是既有线改建设计中的重要部分,且结果直接影响最终设计质量和运营安全.基于最优化思想直接利用既有线上测点坐标进行曲线整正.构建了体现曲线整正成果优劣的目标函数,考虑了规范约束和控制点约束,建立了曲线整正约束最优化计算模型.基于罚函数的思想将曲线整正的非线性约束最优化问题转换为无约束最优化问题.根据目标函数的特点,采用N elder-M ead单纯形法迭代求解最优值.该算法逻辑简单,应用方便.应用结果表明算法可优化出拨距小,且满足约束条件的曲线整正成果,具有较强的实用性.     

非线性半定规划的逐次线性化柔性惩罚法（英文）

针对非线性不等式约束半定规划问题提出一种新的逐次线性化方法,新算法既不要求罚函数单调下降,也不使用过滤技巧,尝试步的接受准则仅仅依赖于目标函数和约束违反度,罚函数中对应于成功迭代点的罚因子不需要单调增加.新算法或者要求违反约束度量有足够改善,或者在约束违反度的一个合理范围内要求目标函数值充分下降,在通常假设条件下,分析了新算法的适定性及全局收敛性.最后,给出了非线性半定规划问题的数值试验结果,结果表明了新算法的有效性.     

非线性半定规划的逐次线性化柔性惩罚法

针对非线性不等式约束半定规划问题提出一种新的逐次线性化方法, 新算法既不要求罚函数单调下降, 也不使用过滤技巧, 尝试步的接受准则仅仅依赖于目标函数和约束违反度, 罚函数中对应于成功迭代点的罚因子不需要单调增加. 新算法或者要求违反约束度量有足够改善, 或者在约束违反度的一个合理范围内要求目标函数值充分下降, 在通常假设条件下, 分析了新算法的适定性及全局收敛性. 最后, 给出了非线性半定规划问题的数值试验结果, 结果表明了新算法的有效性.     

一种修改的非单调线搜索SQP算法

提出了一种解非线性规划问题的修改的非单调线搜索算法,并给出了它的全局收敛性证明.不需要用罚函数作为价值函数,也不用滤子和可行性恢复阶段.该算法是基于多目标优化的思想一个迭代点被接受当且仅当目标函数值或是约束违反度函数值有充分的下降.数值结果与LANCELOT作了比较,表明该算法是可靠的.     

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.     

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.     

强组合PhaseⅠ－PhaseⅡ次可行方向法

本文对Ｐｏｌａｋ等人的组合ＮａｓｅⅠ－Ⅱ可行方向法进行改进，使之不仅能自动地将初始化阶段（Ｐｈａｓｅｌ）和最优化阶段（ＰｈａｓｅⅡ）统一起来，而且保证了满足不等式约束的函数个数不断叠累递增，故称改进后的算法为强组合ＰｈａｓｅⅠ－ⅡＰｈａｓｅⅡ次可行方向法．本文算法包含了一种新的目标局数非单词的非精确线搜索，它保证了算法产生的点列的任何聚点都是问题的Ｋ－Ｔ的点．     

近似点算法求解Hadamard流形上的多指标最优化

近似点算法在信号恢复和信号处理等方面有着广泛的应用.近些年,近似点算法被推广到Riemannian流形上.这种推广的意义在于:只要引入适当的Riemannian度量,可以将经典意义下的非凸问题转化为凸问题;将限制问题转化为无限制问题.为了解决Hadamard流形上的非光滑多指标最优化问题,通过引入变化的标量函数进而提出近似点算法.当目标函数是凸函数时,由这种方法产生的迭代序列收敛到弱Pareto最优点;当目标函数是强凸函数时,产生的迭代序列将收敛到Pareto最优点.     

非线性约束最优化一族超线性收敛的可行方法

本文建立求解非线性不等式约束最优化一族含参数的可行方法．算法每次迭代仅需解一个规模较小的二次规划．在一定的假设条件下,证明了算法族的全局收敛性和超线性收敛性．