一般约束最优化的拟乘子—强次可行方向法

本文讨论一般等式和不等式约束的优化问题，首先提出了问题的拟Ｋｕｈｎ－Ｔｕｃｋｅｒ点和拟乘子法两个新概念，然后借助于不等式约束优化问题强次可行方向法的思想和技巧建立问题的两个新算法。     

广义箱子约束优化基于线性逼近子问题的显式搜索方向算法

讨论带广义箱子约束的非线性约束优化.基于Topkis-Veinott线性规划逼近法,对搜索方向子问题进行改进,产生两个新的线性逼近子问题,重要的是两个新子问题的解均能以简单的显式表达式直接给出.由此建立问题非精确线搜索算法,算法大大降低了计算量,复杂性及CPU时间.仅在目标函数连续可微的条件下,算法具有全局收敛性.对算法进行较大规模的数值试验.     

非凸不可分优化线性近似Bregman型Peaceman-Rachford分裂算法

基于Peaceman-Rachford分裂算法,结合线性近似技术和Bregman距离,本文提出一种线性近似Bregman型Peaceman-Rachford分裂算法,用于求解目标函数带不可分结构的线性约束非凸优化问题.在常规假设下,得到算法的全局收敛性.在效益函数满足Kurdyka-Lojasiewicz性质前提下,论证算法的强收敛性.当KurdykaLojasiewicz性质关联函数为特殊结构时,分析并获得算法的收敛率结果.最后,初步数值试验说明算法有数值有效性.     

一种多参数谱三项共轭梯度法

通过求解带有罚参数的优化问题设计共轭梯度法是一种新思路.基于Fatemi的优化问题求解,通过估计步长和选择合适的罚参数建立一个谱三项共轭梯度法,为证得算法的全局收敛性对谱参数进行修正.在标准Wolfe线搜索下证明了该谱三项共轭梯度算法的充分下降性以及全局收敛性.最后,在选取相同算例的多个算法测试结果中表明新方法数值试验性能表现良好.     

不等式约束优化基于新型积极识别集的SQCQP算法

本文提出一个新的求解非线性不等式约束优化问题的罚函数型序列二次约束二次规划(SQCQP)算法.算法每次迭代只需求解一个凸二次约束二次规划(QCQP)子问题,且通过引入新型积极识别集技术,QCQP子问题的规模显著减小,从而降低计算成本.在不需要函数凸性等较弱假设下,算法具有全局收敛性.初步的数值试验表明算法是稳定有效的.     

不等式约束优化一个超线性收敛的可行内点型算法

本文针对非线性不等式约束优化问题,提出了-个可行内点型算法.在每次迭代中,基于积极约束集策略,该算法只需求解三个线性方程组,因而其计算工作量较小.在-般的条件下,证明了算法具有全局收敛及超线性收敛性.     

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     

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．     

SQP技术与广义投影相结合的次可行方向法

本文建立非线性不等式约束优化的一个新算法，分析和证明了算法的整体收敛性和超线性收敛性。其技巧在于将广义投影和ＳＱＰ技术结合使用。     

非线性互补约束规划的一个广义强次可行方向算法

1引言本文讨论带非线性互补约束的最优化问题: (MPEC) (?) (1)其中(x,y,w)∈R~(n m m),f∶R~(n m)→R,g=(g1,g2,…,gl)~T∶R~(n m)→R~l,F= (F_1,F_2…F_m)~T∶R~(n m)→R~m均是连续可微的,w⊥y表示向量w和y是正交的,即w~Ty=0,w ,y∈R~m．记(MPEC)可行集为X．这类问题广泛存在于工程技术、经济、博弈论等各个领域,有着直接的应用价值,故受到人们的广泛关注．关于这方面的应用及部分成果可参考文献[1]-[10]．显然,若将条件F(x,y)⊥y写成内积的形式F(x,y)~Ty=0,则(1)成为一个标准的光滑非线性规划问题(SSNP)．从理论上来说,现有的理论、方法和技术应可以解决问题(1)．遗憾的是,文献[4]