最优化两个拓广的SQP和SSLE算法模型及其超线性和二次收敛性

给出一般约束最优化的序列二次规划 ( SQP)和序列线性方程组( SSLE)算法两个拓广的模型 .详细分析和论证两个模型的局部超线性收敛性及二次收敛性条件 ,其中并不需要严格互补条件 .拓广的模型及其收敛速度结果具有更广泛的适用性 ,为 SQP和

求解非线性最优化问题的序列线性方程组算法

序列二次规划(SQP)算法是目前公认的求解非线性约束优化问题的最有效的算法之一。但是目前SQP算法存在两个重要问题:(1)每步需要求解一至两个二次规划子问题以得到迭代方向,计算工作量大,难以应用于大规模问题;(2)迭代过程中产生的二次规划子问题可能无解,使运算过程中断。尽管可用其他措施重新定义迭代方向,但必然增加算法的复杂性,增大计算工作量,理论证明也不完善。文中介绍的序列线性方程组方法就是针对SQP算法的缺点而提出的。理论分析和数值实验均表明,这种算法具有迭代时间少,收敛速度快等优点,可以用来求解大规模的非线性优化问题。

半无限规划问题的一个局部序列线性方程组法

在Facchinei提出的乘子函数和SSLE算法的基础上,本文给出了半无限规划问题的一个局部SSLE算法及其修正算法。在一定的假设条件下,证明了算法的局部超线性收敛性。

不等式约束优化全局收敛的滤子线性方程组算法

设计了求解不等式约束非线性规划问题的一种新的滤子序列线性方程组算法.该算法每步迭代由减小约束违反度和目标函数值两部分构成.利用约束函数在某个中介点线性化的方法产生搜索方向.每步迭代仅需求解两个线性方程组,计算量较小.在一般条件下,证明了算法产生的无穷迭代点列所有聚点都是可行点并且所有聚点都是所求解问题的KKT点.