非线性约束优化的光滑化平方根罚函数

介绍一种非线性约束优化的不可微平方根罚函数,为这种非光滑罚函数提出了一个新的光滑化函数和对应的罚优化问题,获得了原问题与光滑化罚优化问题目标之间的误差估计. 基于这种罚函数,提出了一个算法和收敛性证明,数值例子表明算法对解决非线性约束优化具有有效性.     

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.     

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.     

数学规划的一种障碍目标罚函数算法（英文）

研究了数学规划的一种障碍目标罚函数算法,首先,针对数学规划问题定义了一种障碍目标罚函数,针对凸规划问题,提出了一种求解近似最优解的算法,并证明了对应的收敛性,然后,针对一般数学规划问题又提出一个改进算法,并证明了对应的收敛性,最后,数值实验结果表明了提出的改进算法比传统的障碍函数算法有更好的收敛性.     

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.     

带等式约束的光滑优化问题的一类新的精确罚函数

罚函数方法是将约束优化问题转化为无约束优化问题的主要方法之一. 不包含目标函数和约束函数梯度信息的罚函数, 称为简单罚函数. 对传统精确罚函数而言, 如果它是简单的就一定是非光滑的; 如果它是光滑的, 就一定不是简单的. 针对等式约束优化问题, 提出一类新的简单罚函数, 该罚函数通过增加一个新的变量来控制罚项. 证明了此罚函数的光滑性和精确性, 并给出了一种解决等式约束优化问题的罚函数算法. 数值结果表明, 该算法对于求解等式约束优化问题是可行的.     

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.     

一种新的求解带约束的有限极大极小问题的精确罚函数

提出了一种新的精确光滑罚函数求解带约束的极大极小问题．仅仅添加一个额外的变量,利用这个精确光滑罚函数,将带约束的极大极小问题转化为无约束优化问题． 证明了在合理的假设条件下,当罚参数充分大,罚问题的极小值点就是原问题的极小值点．进一步,研究了局部精确性质．数值结果表明这种罚函数算法是求解带约束有限极大极小问题的一种有效算法．     

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     

非线性半定规划一个全局收敛的无罚无滤子SSDP算法

提出了一个求解非线性半定规划的无罚函数无滤子序列二次半定规划(SSDP)算法. 算法每次迭代只需求解一个二次半定规划子问题确定搜索方向; 非单调线搜索保证目标函数或约束违反度函数的充分下降, 从而产生新的迭代点. 在适当的假设条件下, 证明了算法的全局收敛性. 最后给出了初步的数值实验结果.     

一类新的罚函数与罚算法(英)

在本文中,我们提出了带不等式约束的非线性规划问题的一类新的罚函数,它的一个子类可以光滑逼近$l_1$罚函数. 基于此类新的罚函数我们给出了一种罚算法,这个算法的特点是每次迭代求出罚函数的全局精确解或非精确解. 在很弱的条件下算法总是可行的. 我们在不需要任何约束规范的情况下,证明了算法的全局收敛性. 最后给出了数值实验.     

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.     

基于双参数罚函数求解约束优化问题的一个新算法

对于含约束不等式的最优化问题给出了一种双参数罚函数形式,在文[7]的拟牛顿算法的基础上提出了一个同时改变双参数罚函数的新算法,研究了它的收敛性,数值实验表明了该算法是有效的.     

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.     

半无限规划的一个非线性Lagrangian对偶模型

本文给出半无限规划的一个对偶罚函数模型,该模型能处理目标函数不是凸函数的情形,从而凸(SIP)对偶为该模型的一个特例.并且,作为罚函数,本模型的罚因子比l1-罚函数要小,这使得算法更可行,最后,给出零对偶间隙证明.     

一类弱线性二层多目标规划的罚函数方法

本文研究了一类线性二层多目标规划(上层为单目标、下层为多目标)"悲观最优解"的求解问题.利用罚函数方法给出了该类问题"悲观最优解"的存在性定理,证明了罚函数的精确性,同时设计了相应的罚函数算法.数值结果表明所设计的罚函数方法是可行的.     

一种双层规划的光滑化目标罚函数算法

论文研究了一种双层规划的光滑化目标罚函数算法,在一些条件下,证明了光滑化罚优化问题等价于原双层规划问题,而且,当下层规划问题是凸规划问题时, 给出了一个求解算法和收敛性证明.     

一种双层规划的光滑化目标罚函数算法（英文）

论文研究了一种双层规划的光滑化目标罚函数算法,在一些条件下,证明了光滑化罚优化问题等价于原双层规划问题,而且,当下层规划问题是凸规划问题时,给出了一个求解算法和收敛性证明.