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.

一种新的求解带等式约束的极大极小问题的罚函数

通过对经典的一类简单精确非光滑罚函数进行局部光滑化处理,及相应调整罚参数和光滑参数,构造出一种新的简单的光滑罚函数,将带等式约束的极大极小问题转化为对罚函数的无约束优化问题.初步的数值实验表明该罚函数算法是可行有效的.

有约束极大极小优化问题的修正Lagrangian算法

对于有不等式约束的极大极小优化问题,本文构造了一个修正的Lagrangian函数并分析了其在一般条件下的性质,建立了与之对应的修正Lagrangian算法.最后对文献中的几个问题给出了数值计算结果验证了算法.

约束极大极小问题的光滑化方法(英文)

基于Karush Kuhn Tucker最优性条件和Fischer Burmeister非线性互补函数,建立了约束极大极小问题等价的非光滑无约束优化问题和等价的非光滑方程组.然后,利用光滑化方法求解这两个问题.

求解混合约束极大极小问题的精确光滑罚函数法

提出一个新的精确光滑罚函数法求解混合约束极大极小问题,通过引入一个新变量,将带混合约束的极大极小问题转化为等价的无约束优化问题,证明在合理的假设条件下,罚问题的极小点就是原问题的极小点,数值实验表明新算法是求解带混合约束的极大极小问题的一种有效算法.

不等式约束极大极小问题一个新的(ε,δ)-广义投影可行方向法(英文)

结合Armjio线搜索和(ε,δ)-广义投影技术,本文提出了求解不等式约束极大极小问题一个新的广义投影可行方向法.在算法的每一步迭代中,其搜索方向由一个新的(ε,δ)-广义投影显式给出.在较温和的假设下,新算法具有全局收敛性和强收敛性。

一般约束极大极小优化问题一个强收敛的广义梯度投影算法

该文考虑求解带非线性不等式和等式约束的极大极小优化问题,借助半罚函数思想,提出了一个新的广义投影算法.该算法具有以下特点:由一个广义梯度投影显式公式产生的搜索方向是可行下降的;构造了一个新型的最优识别控制函数;在适当的假设条件下具有全局收敛性和强收敛性.最后,通过初步的数值试验验证了算法的有效性.

极大极小值问题修正的SQP算法

提出了一种修正的SQP算法求解带约束的极大极小问题,仅添加一个额外的变量,将带约束的极大极小问题转化为序列二次规划问题。证明了在合理的假设条件下,序列二次规划问题的极小值点就是原问题的极小值点。数值结果表明这种SQP算法是求解带约束有限极大极小问题的一种有效算法。

非线性约束的极大极小问题的算法研究

利用函数逼近论的思想和数学规划最优解的稳定性理论，提出了一种求解非线性约束的极大极小问题的新算法。该算法实现简单，数值效果好，精度高。

极大极小问题的光滑化信赖域共轭梯度法

目的求解无约束有限极大极小问题。方法利用光滑函数将极大极小问题转化为可微的无约束优化问题。结果给出了信赖域牛顿共轭梯度法解该优化问题的算法。结论该算法是可行的、有效的,尤其是对于大规模问题,该算法与其他方法相比具有明显的优势。

非线性极大极小问题的一个有效算法

针对一类非线性约束极大极小问题，利用极大熵方法将其转化为带等式、不等式约束的非线性规划问题，给出了一种梯度投影算法，解决了一般约束的非线性大系统优化问题，该算法初始点可任意；同时证明了该算法的全局收敛性。初步的数值试验表明，对于该类极大极小问题，算法有良好的数值表现。

非线性极大极小问题的可行信赖域算法

针对一类非线性约束极大极小问题,利用极大熵方法将转化为带不等式约束的非线性规划问题,给出了一种可行信赖域算法,解决了不等式约束的非线性大系统优化问题,并证明了该算法的全局收敛性。初步的数值试验表明,对于该类极大极小问题,本算法有良好的数值表现。

求解极大极小问题的一种稳定的对数障碍函数法

给出求解极大极小问题的一种对数障碍函数法．为了消除牛顿方程的病态，本文引进Ｂｒｏｙｄｅｎ 和Ａｔｔｉａ 在求解约束优化问题时，为克服罚函数的病态所采取的一种策略，提高了算法的稳定性．对子问题的结束准则等对算法的效率有重要影响的技术细节，本文也进行了研究．

二次规划的极大熵方法

利用对偶变换 ,将二次规划问题转化为无约束极大极小问题 ,然后运用极大熵方法 ,将极大极小问题转化为求解一个无约束凸规划极值问题 ,从而能够同时求出原问题及其对偶问题的近似解 .

求解约束Minimax问题一种改进的可行下降束方法

通过引入一个新型下降测试准则,提出了求解不等式约束极大极小(Minimax)问题一种改进的可行下降束方法。该方法不仅克服了现有方法下降参数选取的困难,而且简化了理论分析。算法具备全局收敛性,且数值试验结果具有明显优势。

不等式约束极大极小问题的可行下降束方法

本文提出一个求解不等式约束极大极小问题的可行下降束方法.该方法的主要特点有(1)借助于函数的次梯度及束方法思想,不需要假设原问题的分量函数具备光滑性;(2)利用部分割平面模型技术,每次无效步迭代仅需利用一个分量函数的函数值和次梯度产生新的割平面,从而有效减少了计算量;(3)能够保证有效迭代点的可行性及目标函数的下降性;(4)引入次梯度聚集技术,对束集中的次梯度进行聚集,克服了数值计算和存储的困难;(5)算法具备全局收敛性,且初步的数值试验表明算法是有效的.

无约束极大极小问题的广义梯度投影算法

本文讨论R^n空间上的无约束极大极小问题.通过R^(n+1)空间上的广义梯度投影技术产生R^n上的下降搜索方向,进而结合Armijo非精确线搜索建立了原问题R^n上的一个广义梯度投影型算法.算法在仿射线性无关条件下,具有全局收敛性和强收敛性.文中对算法进行了初步的数值试验.

球约束加权极大极小离差问题的SDP松弛的注记

【目的】研究利用CVX软件有效求解球约束下的加权极大极小离差问题的SDP松弛模型。【方法】应用半定规划的强对偶定理和Gershgorin圆盘定理。【结果】证明了Haines等人给出的球形约束下离差问题的SDP松弛的解的存在性;同时提出了另一个球形约束下的离差问题,并给出了它的SDP松弛模型的解的存在性证明。【结论】提出的新的证明方法为CVX中嵌入的SeDuMi和SDPT3这两种内点算法提供了有效求解SDP松弛模型的理论依据。

混合约束Minimax问题的基于序列线性方程组的模松弛SQP算法

本文针对带等式与不等式的混合约束Minimax问题,提出了基于序列线性方程组的模松弛SQP算法.在新算法中,我们首先引入了ε-积极约束集,在此基础上构造了—个模松弛QP子问题和序列线性方程组,以获得可行下降方向.另外,新算法采取了一种既无罚函数又无滤子的弧搜索步长策略,以避免罚参数的选取·新算法既克服了Maratos效应,又大大地减少了算法的计算工作量和储存量.在适当的假设条件下,证明了算法的全局收敛性.初步数值实验验证了该算法的有效性与优越性.

带机会约束的警务调度模型及其解法

研究在紧急情况发生时,城市中不同交巡警服务平台的警务人员封锁指定区域的最优调度问题.把交巡警服务平台到达指定要道的时间视为满足正态分布的随机变量,从而建立了满足机会约束的警务调度模型并将该模型等价地转化为极小极大模型.给出了模型的求解算法及其计算复杂度.最后,通过一个数值例子来说明算法的有效性.