不等式约束最优化问题最优性条件的教学

不等式约束最优化问题最优性条件的分析往往是建立在Farkas引理上的,而Farkas引理与约束最优化问题的最优性条件没有直接的关系.对约束最优化问题的最优性条件进行教学研究,给出了一种不依赖Farkas引理的教学设计思路.整个教学设计的思路是建立在等式约束的最优性条件上,因此更易于学生建构起最优性条件的理论体系.

Menger PM空间中约束不等式条件下的最优化问题

本文通过研究一类最佳逼近点的问题,讨论了T-完备Menger PM空间上关于两个偏序的不等式约束的一类最优化问题解的存在性,所得结果推广了许多文献中的相关结果.此外,给出一个例子来阐明主要结果的有效性.

最优化与变分不等式的可行解序列的有限终止性

为了在更弱的条件下,给出最优化问题(OP)与变分不等式问题(VIP)的可行解序列的有限终止性,在这类问题的解集上引进了一个增广映射,分别建立了解集关于可行解序列广义弱尖锐性的概念.这个新概念是传统的弱尖锐性与强非退化概念的扩充与推广,其克服了最优化与变分不等式在许多情况下解集不具有弱尖锐性或强非退化性的缺陷.在这些问题的解集满足广义弱尖锐性的条件下,提供其可行解序列有限终止于解集的充分与必要条件.这些结果是现有相关文献中在弱尖锐或强非退化条件下相应结果的推广,同时也为许多最优化算法的有限终止性提供了更弱的充分条件.

带隐藏约束昂贵黑箱问题的自适应代理优化方法

针对带隐藏约束的昂贵黑箱全局优化问题,提出采用自适应转换搜索策略的代理优化方法。在转换搜索子步中采用与已估值点个数相关的标准差在当前最优点附近通过随机扰动生成候选点,以更好地平衡局部搜索和全局搜索。为更好地近似真实黑箱目标函数,采用了自适应组合目标代理模型。在50个测试问题上进行了数值实验,计算结果说明了所提算法的有效性。

应用Matlab优化工具箱处理附线性不等式约束的最小二乘平差问题

目前附不等式约束的最小二乘平差模型主要是引入一些优化算法,结合传统的平差理论来求解。在实际操作中这种平差算法同其它的平差模型相差很大,以致不能用现有的平差理论来完全解决。分析了目前求解该模型的理论现状以及较为成熟的各种优化软件,介绍了该平差模型的原理,说明了使用商业软件Matlab工具箱的步骤,通过算例得出结果,并与其它算法得到的相比较,表明应用Matlab优化工具箱处理附线性不等式约束的最小二乘平差问题具有简易性和有效性。

一种解决不等式约束优化问题的光滑牛顿法

本文通过引入松弛变量和Fischer函数把带有不等式约束优化问题的K-T条件转化为一个等价的非线性系统,并引入一参数μ,从而提出了一种新的光滑牛顿法。在适当的条件下,证明了算法的全局收敛性,并提供了数值结果。

一个求解非线性不等式约束优化问题的带有共轭梯度参数的广义梯度投影算法(英文)

本文提出一个求解非线性不等式约束优化问题的带有共轭梯度参数的广义梯度投影算法.算法中的共轭梯度参数是很容易得到的,且算法的初始点可以任意选取.而且,由于算法仅使用前一步搜索方向的信息,因而减少了计算量.在较弱条件下得到了算法的全局收敛性.数值结果表明算法是有效的.

解带非线性等式和不等式约束优化问题的超记忆梯度广义投影算法

利用广义投影技术 ,将求解无约束规划的超记忆梯度算法推广 ,建立了求解带非线性等式和不等式约束优化问题的一种超记忆梯度广义投影算法 ,并证明了算法的收敛性。该算法具有稳定、计算量小、所需收敛条件弱、收敛性强等特点 ,并改进了广义梯度投影算法的收敛速度。数值算例表明该算法是有效的。

一类线性不等式约束优化问题的信赖域算法

对一类带有非负边界约束的线性不等式约束优化问题提出了一种新的信赖域算法。此算法以内点法为基础,把非负边界约束从一般的不等式约束中分离出来,化为信赖域约束的一部分,从而得到一个简单易解的子问题。在一定的条件下证明了算法的收敛性,并给出了数值结果。

非线性不等式约束优化问题的一个修正BFGS信赖域算法

将一个无约束优化问题的修正BFGS信赖域算法成功地应用于不等式约束优化问题。通过修正BFGS公式构造了新的信赖域子问题,从而得到不等式约束优化问题的修正BFGS信赖域算法,并在一定条件下证明了其可行性。

带非线性不等式约束优化问题的信赖域算法

借助于KKT条件和NCP函数,提出了求解带非线性不等式约束优化问题的信赖域算法.该算法在每一步迭代时,不必求解带信赖域界的二次规划子问题,仅需求一线性方程组系统.在适当的假设条件下,它还是整体收敛的和局部超线性收敛的.数值实验结果表明该方法是有效的.

基于模式搜索方法的解不等式约束优化问题的算法设计

针对不等式约束的优化问题,构造了一类带新的NCP函数的增广拉格朗日函数,在一定的条件下,证明了增广拉格朗日函数的平稳点、局部极小点之间、全局最小点与原问题KKT点、局部极小点全局最小点有1-1对应关系。然后针对这个增广拉格朗日函数的特点,把模式搜索方法运用在构造的算法中,并证明了算法的收敛性。

修正的IPA算法的建立及在不等式约束凸优化问题中的应用

本文首先对IPA算法进行了修正,并证明了修正IPA算法的收敛性,然后将修正后的IPA应用到不等式约束凸优化问题中得到新的内点算法,并与传统的障碍函数法作了比较,从理论上体现了新算法的优势,并给出了其工程解求解法以及收敛性的证明.

线性不等式约束优化问题的强信赖域算法

对一类带有非负边界约束的线性不等式约束优化问题进行了研究,提出了一种新的信赖域算法.该算法在内点法的基础上,把非负边界约束从一般的不等式约束中分离出来,化为信赖域约束的一部分,得到一个简单易解的子问题.在一定的条件下证明了该算法具有强收敛性,并给出了数值结果.

一种求解不等式约束下函数优化问题的新算法

提出了一种求解不等式约束下的函数优化问题的新算法． 算法设计思想来源于演化计算的群体搜索技术，但又不同于现存的任何一种演化算法． 对一些典型的约束优化问题测试结果表明：新算法结构的简单性，搜索的高效性，收敛的全局性，应用的广泛性，算法的鲁棒性及结果的精确性，都优于现存的演化算法．

一种求解不等式约束优化问题的新算法

针对基本遗传算法收敛速度缓慢现象 ,提出了基于多父体杂交和按较差个体顺序变异的改进策略 .从而加快收敛速度 ,提高了算法性能 .通过验算表明 ,改进后的算法 。

解不等式约束优化问题的一种修正的SQP方法

提出了一个解不等式约束优化问题的新方法,克服了SQP方法中线性化约束不相容的问题,同时利用Li-Fukushima提出的求解无约束问题的MBFGS公式对Hessian矩阵进行修正,在适当的条件下,证明了算法的全局收敛性.

基于KL不等式求解具有锥约束凸优化问题的邻近点方法

KL不等式是解决优化分析、动态系统、偏微分方程和其他实际问题的一个重要研究工具,它在求解非凸非光滑优化问题的算法收敛性分析上扮演着重要的角色.基于Kurdyka-Lojasiewicz(KL)不等式讨论求解具有锥约束凸优化问题的邻近点方法.借助Lagrange函数,将有限维空间上的具有锥约束凸优化问题等价转化为无约束凸优化问题,讨论具有锥约束的凸优化问题的Lagrange函数的凸性.证明了满足二阶增长条件的正常的下半连续凸函数具有KL性质.构建了求解无约束等价问题的邻近点方法,并基于KL不等式分析了邻近点方法的收敛性.

求解不等式约束优化问题的一个改进算法

本文改进了一个求解不等式约束优化问题的对偶算法,建立了一个相应的算法,进一步证明了该算法的收敛性．最后,给出数值结果以验证该算法的有效性．