不等式约束优化问题的低阶精确罚函数的光滑化算法

对不等式约束优化问题提出了一个低阶精确罚函数的光滑化算法. 首先给出了光滑罚问题、非光滑罚问题及原问题的目标函数值之间的误差估计,进而在弱的假
设之下证明了光滑罚问题的全局最优解是原问题的近似全局最优解. 最后给出了一个基于光滑罚函数的求解原问题的算法,证明了算法的收敛性,并给出数值算例说明算法的可行性.     

等式约束优化问题的一类新的简单光滑精确罚函数

精确罚函数方法是求解优化问题的一类经典方法,传统的精确罚函数不可能既是简单的又是光滑的,这里简单的是指罚函数中不包含目标函数和约束函数的梯度信息。针对等式约束问题提出了不同与传统罚函数的一类新的简单光滑罚函数并证明了它是精确的。给出了以新的罚函数为基础的罚函数方法并用数值例子说明算法是可行的。     

非线性规划整体精确罚函数的一个新的充分条件

§1.引言 非线性规划的精确罚函数法,越来越引起人们的注意,后为它可以把一个带约束问题化为一个或有限个无约束问题。 关于精确罚函数的存在性的研究,大致可以分成两类:一类是局部精确罚函数,其中     

关于一类等式约束优化的简单光滑精确罚函数

本文给出了一类等式约束优化的简单光滑精确罚函数,该精确罚函数有别于传统罚函数,它是光滑的和简单的,即在该精确罚函数表达式中,不含有目标函数的梯度.     

关于精确罚函数和线性规划的一个注记

本文给出了线性规划（LP）的解和其相应的精确罚函数解的等价性,证明是初等的,简明的。     

精确罚函数和极小极大问题

在这篇文章中我们研究了对于不等式约束的非线性规划问题如何根据极小极大问题的鞍点来找精确罚问题的解。对于一个具有不等式约束的非线性规划问题,通过罚函数,我们构造出一个极小极大问题,应用交换“极小”或“极大”次序的策略,证明了罚问题的鞍点定理。研究结果显示极小极大问题的鞍点是精确罚问题的解。     

关于约束极小化问题的一个新的简单精确罚函数

针对等式及不等式约束极小化问题,通过对原问题添加一个变量,给出一个新的简单精确罚函数,即在该精确罚函数表达式中,不含有目标函数及约束函数的梯度．在满足某些约束品性的条件下,可以证明:当罚参数充分大时,所给出的罚问题的局部极小点是原问题的局部极小点．     

全局精确罚函数的一个充要条件

本文讨论有约束最优化问题全局解和相应的精确罚函数全局解之间的等价性，给出一个有限有效罚的准则，并证明这一准则是上述等价性的一个充要条件．在这个准则中不包含任何约束品性，这是最弱的条件之一     

低阶精确罚函数的一种二阶光滑逼近

给出了求解约束优化问题的低阶精确罚函数的一种二阶光滑逼近方法,证明了光滑后的罚优化问题的最优解是原约束优化问题的ε-近似最优解,基于光滑后的罚优化问题,提出了求解约束优化问题的一种新的算法,并证明了该算法的收敛性,数值例子表明该算法对于求解约束优化问题是有效的.     

广义精确可微罚函数

本文利用凝聚函数，构造了一个新的广义精确可微罚函数，并设计了一类具有全局收敛的算法．该算法允许任意初始点，并自动调整罚因子，调整步骤是有限的．新的广义精确可微罚函数不会有“零，一阶病态”发生．     

混合整数规划的精确罚函数

本文讨论了混合整数规划的精确罚函数，并给出了原规划的解和其相应的罚问题解的等价性的几个充分条件。此外，我们提出了线性混合整数规划情况下相应的K－K－T条件。     

非线性整规划中的精确光滑罚函数

本文提出了几个非线性整规划 的全局精确光滑罚函数，每个罚函数有两个参数，并且给出了每个罚函数的精确罚参数的估计值，最后，我们举例说明了所提出的罚方法在具有整系数多项式目标函数以约束函数的整数规划中的应用。     

非光滑多目标最优化的一个精确罚函数

本文将文献[1]中的关于单目标规划的精确罚函数的结果推广到局部Lipschitz多目标规划问题上.     

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.     

求解广义纳什均衡问题的指数型惩罚函数方法

本文利用指数型惩罚函数部分地惩罚耦合约束,从而将广义纳什均衡问题(GNEP)的求解转化为求解一系列光滑的惩罚纳什均衡问题 (NEP)。我们证明了若光滑的惩罚NEP序列的解序列的聚点处EMFCQ成立,则此聚点是 GNEP的一个解。进一步,我们把惩罚 NEP的KKT条件转化为一个非光滑方程系统,然后应用带有 Armijo 线搜索的半光滑牛顿法来求解此系统。最后,数值结果表明我们的指数型惩罚函数方法是有效的。     

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.