一个超线性收敛的广义投影序列方程组算法

讨论了非线性不等式约束最优化问题．在较温和的条件下，采用广义投影和序列线性方程组相结合的技术，建立一个新的可行下降算法，证明了算法的全局收敛性和超线性收敛性．

非线性最优化一个超线性收敛的序列方程组方法

本文考虑如下的优化问题:这里x=(x_1,…,x_n)∈E^n.对于问题(P),本文给出了一个超线性收敛的序列方程组算法.此算法与现有的序列二次规划(SQP)方法相比,具有以下三个重要的性质:(1)由于算法每一次迭代只需计算三个系数矩阵完全相同的线性方程组,因此算法每一次迭代的计算量要比现有的SQP方法大为减少;(2)算法每一次迭代产生的点都是可行的;(3)算法是一步超线性收敛的.

超线性与二次收敛的序列方程组可行方法

本文讨论不等式约束规划问题,给出一个线性方程组与辅助方向相结合的新可行算法,算法用一种新型的直线搜索产生步长.在一定条件下,当k充分大后,求方向dk每次只需解一个线性方程组.文中证明了算法的全局收敛性与超线性的收敛速度以及二次收敛性,并给出了方法初步的数值试验.

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。

无严格互补松驰条件的序列线性方程组新算法

该文通过构造特殊形式的有效集来逼近KKT点处的有效集,给出了一个任意初始点下的序列线性方程组新算法。

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。

半无限规划的改进序列线性方程组算法

基于离散技术,结合对角稀疏拟牛顿技巧,建立了初始点任意下的求解半无限规划的序列线性方程组算法,并证明了算法的全局收敛性和一步超线性收敛性.数值例子表明算法是有效的.

非线性等式与不等式约束最优化二阶与超线性收敛的序列线性方程组算法

讨论非线性等式与不等式约束最优化问题,建立了问题的似Newton和拟Newton算法。算法的特点之一是搜索方向d_k仅由一个线性方程组的解确定,步长恒取1,即x_(k+1)=x_k+d_k。另一特点是在没有严格互补的较温和的假设下,算法是二阶与超线性收敛的。本文推广了Facchinei,Lucidi,Boggs,Tolle,Wang等人的算法和收敛性结果。

超线性与二次收敛序列线性方程组算法(英文)

本文,在无严格互补条件下,对非线性不等式约束最优化问题提出了一个新的序列线性方程组(简称SSLE)算法．算法有两个重要特征:首先,每次迭代,只须求解一个线性方程组或一个广义梯度投影阵,且线性方程组可以无解．其次,初始点可以任意选取．在无严格互补条件下,算法仍有全局收敛性、强收敛性、超线性收敛性及二次收敛性．文章的最后,还对算法进行了初步的数值实验．

半无限规划的一个序列线性方程组方法

本文基于离散技术,给出了任意初始点下的半无限规划的一个序列线性方程组算法和算法的全局收敛性的证明。并在一定的假设下,证明了算法的一步超线性收敛性。

序列线性方程组方法解约束SC^1函数最小化问题

对不等式约束SC1函数最小化问题提出一个可行的序列线性方程组算法.算法的每步迭代,子问题只需解具有相同的系数矩阵的四个简化的线性方程组.这个算法的特点是产生的迭代点是可行的;只考虑指标在集合I的一个子集Ak中的约束函数;不需假定聚点的孤立性,就可证明算法产生的迭代点全局收敛到问题的KKT(库恩-塔克)点.在较弱条件下,证明算法是超线性收敛的.

线性互补约束优化问题的一个序列线性方程组算法

本文讨论线性互补约束规划问题.首先利用一个广义互补函数和摄动技术将问题转化为含参数μ的一般非线性优化问题,然后利用特殊形式的罚函数作为效益函数,建立问题的一个序列线性方程组算法.在适当的条件下,证明了该算法具有全局收敛性.

一种序列线性方程组滤子算法的收敛性分析

笔者曾提出一种不可行序列线性方程组滤子方法.它将不可行无需二次规划(QP-free)方法与滤子技巧结合,可以避免罚参数的选取.只需求解两个具有相同系数矩阵的线性方程组以得到搜索方向.在一定程度上克服了序列二次规划方法的缺点.在以上算法的基础上,增加了一个同系数矩阵的线性方程组以计算二阶校正步,使得算法避免了Maratos效应.在一定的条件下,证明了该算法的局部超线性收敛性.

优化问题的序列线性方程组解法

拟牛顿算法是求解无约束优化问题的有效算法 .序列二次规划方法是将拟牛顿算法应用于求解约束优化的推广与发展 ,它保持了拟牛顿算法的超线性收敛速度而成为约束优化的重要算法类 .序列线性方程组方法则是它的进一步发展 ,目的在于每步求迭代方向dk 时避免求解计算量较大的二次子规划 .现在序列线性方程组方法仍在研究和发展 ,目的是简化算法结构、减少计算量 ,同时保持算法的优良性质 .

不等式约束Minimax问题的一个可行序列线性方程组算法

提出了求解不等式约束minimax问题的一个可行序列线性方程组算法.在每次迭代中可行下降方向通过求解两个具有相同系数矩阵的线性方程组产生,系数矩阵具有较好的稀疏性,计算量少.在适当的假设条件下,算法具有全局收敛性,初步数值实验验证了算法的有效性.

基于动力学序列求解法的椭圆齿轮动力学分析

指出传统机构动力学方程组矩阵解法的不足,提出改进方法:动力学方程组序列求解法。在运动学分析的基础上,采用改进方法对椭圆齿轮进行动力学分析,得到椭圆齿轮轴心和啮合点处的受力与转角的关系,为强度计算、结构设计和振动控制提供理论基础。

任意初始点下的序列线性方程组方法

利用特殊形式的罚函数作为效益函数,并结合ε-有效集策略,给出一个任意初始点下的序列线性方程组算法,证明了该算法是全局收敛的且具有一步超线性收敛性。

不等式约束最优化无严格互补条件下的快速收敛序列线性方程组算法

本文讨论无严格互补性的非线性不等式约束最优化问题,建立了一个新的序列线性方程组算法。算法每次迭代只需解一个线性方程组或计算一次广义梯度投影,并不要求Lagrange函数的近似Hessian阵正定。在较弱的假设下,证明了算法的整体收敛性、强收敛性、超线性收敛性及二次收敛速度。还对算法进行了有效的数值试验。

并行求解约束优化问题的QP-free型算法

针对约束块可分的最优化问题,引入序列线性方程组方法和有效集策略,提出了一个求解约束块可分优化问题的QP-free型并行变量分配(PVD)算法.算法中用三个系数具有对称结构的线性方程组来代替PVD算法中的二次规划问题以求解线搜索方向,避免了约束不相容,减小了计算量.并且算法不要求约束是凸的.最后证明了QP-free型PVD算法的全局收敛性.

非线性半定规划若干算法介绍

介绍近几年国际上求解非线性半定规划的若干有效新算法,包括增广Lagrangian函数法、序列半定规划法、序列线性方程组法以及交替方向乘子法.最后,对非线性半定规划的算法研究前景进行了探讨.