解等式约束优化问题的一个修正既约Hessian SQP方法

众所周知,既约Hessian方法是求解较大规模约束优化问题的一类有效方法,但已有的这类方法的全局收敛性分析需假定拉格朗日函数的既约Hessian矩阵的一致正定性.本文提出了一个修正的既约Hessian SQP方法,并且证明其在没有上面提及的假设条件下具有全局收敛性.

非线性等式约束问题的既约Hessian校正算法

考虑非线性等式约束优化问题,提出一种既约Hessian阵校正算法,此算法分别对Lagrange函数的单边既约Hessian阵的近似阵和双边既约Hessian阵的近似阵进行校正.我们证明了若每次迭代至少有一者被校正时,算法具有1—步Q—超线性收敛速度.

解等式约束优化的既约Hessian信赖域方法(英文)

本文提出了解等式约束优化的一个信赖域方法 ,该方法以既约 Hessian逐步二次规划为基础 ,它享有信赖域方法与既约 Hessian方法的优点 .在通常条件下 ,证明了算法的全局收敛性 .

仿射内点既约投影Hessian算法解非线性约束优化

本文结合非单调内点回代技术,提供了新的仿射信赖域方法解含有非负变量约束和非线性等式约束的优化问题.为求解大规模问题,采用等式约束的Jacobian矩阵的QR分解和两块校正的双边既约Hessian矩阵投影,将问题分解成零空间和值空间两个信赖域子问题.零空间的子问题为通常二次目标函数只带椭球约束的信赖域子问题,而值空间的子问题使用满足信赖域约束参数的值空间投影向量方向.通过引入Fletcher罚函数作为势函数,将由两个子问题结合信赖域策略构成的合成方向,并使用非单调线搜索技术回代于可接受的非负约束内点步长.在合理的条件下,算法具有整体收敛性且两块校正的双边既约Hessian投影法将保持超线性收敛速率.非单调技术将克服高度非线性情况,加快收敛进展.

一种既约逐步二次规划算法的全局收敛性

提出一种求解非线性等式约束问题的既约逐步二次规划(RSQP)算法.为避免Maratos效应,我们采用Flether的光滑精确罚函数的逼近形式作为价值函数,并且分别对Lagarange函数的单边既约Hessian的近似阵和双边既约Hessian的近似阵进行校正.在一般的条件下,证明了算法的全局收敛性并作了一定量的数值试验.