等式约束优化的信赖域法

本文研究了约束优化信赖域法中的线性化约束条件在信赖域内无解的问题.利用一种基于增广Lagrange函数的方法.获得了一个改进的约束优化的信赖域法.该法的线性化约束条件在信赖内有解,并且具有全局收敛性和超线性收敛性.     

一个等式约束问题的拟Newton—信赖域型方法及其收敛性

在[1]中,Vardi提出一个信赖域方法,而收敛性证明却是在精确λ-搜索下给出的,本文在[1]的基础上提出一个新的算法-拟Newton-信赖域型算法,并证明该算法是全局收敛的,通过利用二阶修正技术去修正该算法,我们证明了该算法是局部超线性收敛的。     

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.     

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。     

等式与界约束非线性优化的信赖域增广Lagrangian算法

１．引 言本文讨论如下非线性约束优化问题：其中； 是Ｒｎ→Ｒ的可微函数，　　　　　　．记 问题（１．１）是非线性约束优化问题中的一类重要类型，事实上任一个非线性等式与不等式约束优化均可引入松驰变量转化为（１．１）的形式．因此（１．１）的求解是人们讨论的热点问     

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。     

凸约束优化的非单调信赖域算法的收敛性

本文对凸约束优化问题提出一类新的非单调信赖域算法,在二次模型Hesse矩阵{Bk}一致有界条件下,证明了算法具有强收敛性;在{Bk}线性增长的条件下,证明了算法具有弱收敛性;这推广了现有约束或凸约束优化问题的各种信赖域算法,改进了收敛性结果。     

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…     

一类约束优化问题的非单调信赖域算法

本文就一类等式约束优化问题,结合当前比较流行的非单调技术,提出了一类新的求解等式约束优化的非单调信赖域算法.其非单调程度由算法自适应控制,计算预测下降量和实际下降量的比值时,采用前m(k)个点的信息,这不同于以前在计算预测下降量和实际下降量的比值时,仅仅采用当前-个点的信息.在没有正则性条件的假设下我们证明了算法是有定义的.并且通过对不同情况的讨论证明了算法的全局收敛性.基本的数值试验表明算法是有效的,且说明提出的非单调信赖域算法比单调信赖域算法有效.     

解等式约束优化的既约Hessian依赖域方法

本文提出了解等式约束优化的一个信赖域方法,该方法以既约Hessian逐步二次规划为基础,它享有信赖域方法与既约Hessian方法的优点,在通常条件下,证明了算法的全局收敛性。     

无约束优化的自适应信赖域方法

本文对无约束优化问题提出一个自适应信赖域方法,每次迭代都充分利用前迭代点的信息自动产生一个恰当的信赖域半径,在此区域内,二次模型与原目标函数尽可能一致,避免盲目的尝试,提高了计算效率。文中在通常条件下证明了全局收敛性及局部超线性收敛结果,给出了新算法与传统信赖域方法的数值结果,证实了新方法的有效性。     

等式约束优化非单调信赖域算法

设计了一个新的求解等式约束优化问题的非单调信赖域算法.该算法不需要罚函数也无需滤子.在每次迭代过程中只需求解满足下降条件的拟法向步及切向步.新算法产生的迭代步比滤子方法更易接受,计算量比单调算法小.在一般条件下,算法具有全局收敛性.     

凸约束优化问题的带记忆模型信赖域算法

本文我们考虑求解凸约束优化问题的信赖域方法 .与传统的方法不同 ,我们信赖域子问题的逼近模型中包括过去迭代点的信息 ,该模型使我们可以从更全局的角度来求得信赖域试探步 ,从而避免了传统信赖域方法中试探步的求取完全依赖于当前点的信息而过于局部化的困难 .全局收敛性的获得是依靠非单调技术来保证的     

无约束多目标规划的信赖域方法

本文将信赖域方法应用于多目标规划,提出了一类解多目标问题的新算法,并证明了全局收敛性。     

无约束最优化锥模型拟牛顿信赖域方法的收敛性(英)

本文研究无约束最优化雄模型拟牛顿信赖域方法的全局收敛性．文章给出了确保这类方法全局收敛的条件．文章还证明了，当用拆线法来求这类算法中锥模型信赖域子问题的近似解时，确保全局收敛的条件得到满足     

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．     

A Trust Region Algorithm with Conjugate Gradient Technique for Optimization Problems

By means of a conjugate gradient strategy, we propose a trust region method for unconstrained optimization problems. The search direction is an adequate combination of the conjugate gradient direction and the trust-region direction. The global convergence and the quadratic convergence of this method are established under suitable conditions. Numerical results show that the presented method is competitive to the trust region method and the conjugate gradient method.