一般约束最优化超线性与二次收敛的序列线性方程组算法

讨论了一般等式和不等式约束优化问题,利用序列线性方程组技术和广义投影技巧,建立问题的一个"可行下降"算法,每次迭代只需解一个线性方程组和计算一次广义投影。在适当条件下,证明算法超线性和二次收敛于原问题的K T点。

一般约束最优化强收敛的拟乘子-强次可行方向法

本文讨论一般等式和不等式约束优化问题 ,利用广义投影技术和强次可行方向法思想 ,结合拟 K-T点和拟乘子法 [1] 两个新概念 ,建立问题一个初始点任意的有显式搜索方向的新算法 .证明算法不仅收敛到原问题的拟 K- T点 ,且具有更好的强收敛性 .对算法进行了一定的数值试验 .

一般约束最优化强收敛的广义强次可行方向法

讨论一般约束最优化 ,利用广义投影技术和强次可行方向法思想 ,建立一个初始点任意的新算法 .该算法不仅具有全局收敛性 ,而且是强收敛的 .文中还对算法进行了数值试验 .

一个无正则条件下一般约束最优化问题的信赖域算法的收敛性

本文我们对[1]的算法给出一个修正并在无正则条件下对这一算法给出了收敛性分析.与[1]不同,我们不需要(SBSQ)约束条件.因此本文的结果是[1]的结果的推广和加强.

求解约束全局最优化问题的一个新的填充函数法

填充函数法是求解全局优化问题的一类有效方法,其关键之一在于构造一个叫作填充函数的辅助函数,针对一般约束优化问题,提出了一个新的填充函数.在适当的假设条件下,讨论了其良好的填充性质,并按其理论性质设计了一个合理的算法,而且理论上的证明表明该函数较其他多参数填充函数具有优越性.