约束优化问题强次可行方向法的研究

本文旨在对简金宝教授及其研究团队(简称为简优化团队)建立的约束优化问题强次可行方向法与拟强次可行方向法(统称(拟)强次可行方向法)的思想及其研究作一个概述.本综述包括:(1)(拟)强次可行方向法的思想与内涵;(2)广义梯度投影型强次可行方向法;(3)序列二次规划(SQP)型强次可行方向法;(4)序列线性方程组(SSLE)型强次可行方向法;(5)序列二次约束二次规划(SQCQP)型强次可行方向法;(6)拟强次可行方向法.本综述最后对(拟)强次可行方向法的深入与拓展研究作一个展望,与读者分享.

不等式约束最优化的一个具有强收敛性的强次可行方向法

讨论了非线性不等式约束最优化，利用广义投影技术和强次可行方向法思想，建立了一个新的初始点任意的算法．算法不仅具有全局收敛性，且搜索方向是“二阶”强次可行下降的，在适当假设下，算法具有强收敛性．

线性均衡约束最优化的一个广义投影强次可行方向法

本文讨论带线性均衡约束最优化问题,首先利用摄动技术和一个互补函数将问题等价转化为一般约束最优化问题,然后结合广义投影技术和强次可行方向法思想,建立了问题的一个新算法.算法在迭代过程中保证搜索方向不为零,从而使得每次迭代只需计算一次广义投影.在适当的条件下,证明了算法的全局收敛性,并对算法进行了初步的数值试验.

一般约束最优化拓广的强次可行方向法

本文讨论非线性等式与不等式约束最优化问题，引进一个拟罚函数及其相应的只带不等式约束的辅助问题．然后采用广义投影技术和强次可行方向法思想建立原问题的一个全局收敛新算法．该算法具有初点始任意、结构简单、计算量较小等特点．

非线性约束优化一个强收敛的广义投影强次可行方向法

讨论带非线性不等式和等式约束的最优化问题,借助强次可行方向法和半罚函数的思想,给出了问题的一个新的广义投影强次可行方向法.该算法的一个重要特性是有限次迭代后,迭代点落入半罚问题的可行域.在适当的条件下证明了算法的全局收敛性和强收敛性.数值实验表明算法是有效的.

非光滑优化的强次可行方向邻近点束求解方法

通过引入新型邻近点参数修正策略及搜索方向子问题,提出一个求解非光滑优化的强次可行方向邻近点束方法.该方法稳定性好,能保证迭代点的强次可行性,且具备全局收敛性.

广义梯度投影下的强次可行方向法

利用广义投影技术建立一个求解非线性不等式约束优化问题的强次可行方向法．该算法不但不使用任何转轴运算和罚函数技术，而且只用广义ε——积极约束集确定广义投影阵，搜索方向也十分简单．文中采用的线搜索是一种新的目标函数非单调的非精确线搜索．在较弱的假设条件下，证明了算法的全局收敛性．

一般约束最优化的拟乘子-强次可行方向法

本文讨论一般等式和不等式约束的优化问题，首先提出了问题的拟Ｋｕｈｎ－Ｔｕｃｋｅｒ点和拟乘子法两个新概念，然后借助于不等式约束优化问题强次可行方向法的思想和技巧建立问题的两个新算法。在适当的假设下，证明了算法收敛到原问题的拟Ｋｕｈｎ－Ｔｕｃｈｅｒ点。

最优化问题一个强收敛的强次可行方向法

讨论非线性等式与不等式约束最优化 ,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 ,且搜索方向是强次可行下降的 。

基于非精确数据的非光滑优化强次可行方向法

本研究针对一类目标函数非光滑优化问题,提出一个基于非精确数据的强次可行方向法.通过构造新的寻找搜索方向子问题和新型线搜索,该算法能够保证迭代点的强次可行性,且具备全局收敛性.

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 .

非线性规划的拟罚函数—强次可行方向法

本文首先提出非线性规划的拟Ｋｕｈｎ—Ｔｕｃｋｅｒ点和拟罚函数法的概念和思想，然后结合强次可行方向法思想给出问题的两个新型算法，称之为拟罚函数—强次可行方向法．证明了该算法收敛到原问题的拟Ｋｕｈｎ—Ｔｕｃｋｅｒ点．

非线性约束最优化在广义投影下强次可行方向法的统一模型

对非线性不等式约束最优化问题进行了讨论,借助广义投影建立求解问题的一个含系列自由参数的统一算法模型.该算法模型能以任意点为初始迭代点,并且迭代点列所满足的约束函数的个数单调不减,不断累加;进一步地,一旦迭代点进入可行域,模型就能保持在可行域内迭代,成为可行下降类算法.称具有这种性质的算法为强次可行方向法.在适当的条件下证明了算法模型的全局收敛性.文中模型同时提供了一种求解非线性不等式组的叠累型方法.

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 .

基于次梯度选取的非光滑优化强次可行方向法

本文结合次梯度选取技术及割平面法和强次可行方向法的思想,提出了一个求解目标函数非光滑约束优化问题的强次可行方向算法.通过设计一个新的寻找搜索方向子问题和构造新型线搜索,算法不仅能接受不可行的初始点,而且能保持迭代点的强次可行性,同时避免在可行域外目标函数值的不适度增加.算法具备全局收敛性,且初步的数值试验表明算法是稳定有效的.

半无限规划离散化问题一个强次可行模松弛SQP算法

结合强次可行模松弛SQP算法的思想,针对半无限规划离散化问题提出了一个初始点任意的算法.算法每次迭代只需求解一个二次规划子问题即可获到搜索方向;求解搜索方向子问题时,通过修正约束指标集选择适当的约束可大大降低计算量.在温和的条件下,证明了算法的全局收敛性.数值试验表明算法是有效的.

约束优化一个结合积极集识别的强收敛模松弛SQP算法(英文)

本文考虑了非线性不等式约束优化问题的求解问题,并结合模松弛SQP方法、强次可行方向法和积极集识别技术,提出了一个SQP算法.该算法在每一次迭代中,模松弛QP子问题的约束函数个数只决定于相应的识别集.不引进罚参数线搜索便可将阶段I(初始化)和阶段II(最优化)统一起来.在MFCQ条件下,得到算法的全局收敛性,若满足二阶充分条件,则算法具有强收敛性,且识别集能精确识别积极约束集.最后,我们给出了初步的数值结果.

一种求解非线性约束优化问题的无罚函数无滤子的方法

借助于强次可行方向法的思想和滤子法的思想,给出了一种求解非线性约束优化问题的无罚函数无滤子的方法.方法借助于广义投影技术产生搜索方向,直接通过原目标函数和约束违反度函数作为搜索函数来产生步长,有效地避免了消耗计算成本的恢复阶段.最后在适当的假设条件下,给出了算法的全局收敛性和有效性.

A NEWε-GENERALIZED PROJECTION METHOD OF STRONGLY SUB-FEASIBLE DIRECTIONS FOR INEQUALITY CONSTRAINED OPTIMIZATION

In this paper,the nonlinear optimization problems with inequality constraints are discussed. Combining the ideas of the strongly sub-feasible directions method and theε-generalized projection technique,a new algorithm starting with an arbitrary initial iteration point for the discussed problems is presented.At each iteration,the search direction is generated by a new ?-generalized projection explicit formula,and the step length is yielded by a new Armijo line search.Under some necessary assumptions, not only the algorithm possesses global and strong convergence,but also the iterative points always get into the feasible set after finite iterations.Finally,some preliminary numerical results are reported.