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.

约束优化一个结合工作集技术的模松弛SQP算法(英文)

结合模松弛SQP方法、可行方向法和工作集技术,提出了一个求解非线性不等式约束优化的SQP算法。在每一次迭代,模松弛QP子问题的约束函数个数只决定于相应的工作集。在MFCQ条件下,得到算法的全局收敛性。最后,给出了初步的数值结果。

离散半无限极大极小问题一个推广的模松弛SQP算法(英文)

将求解半无限规划离散化问题的一个可行模松弛SQP算法推广到离散的半无限极大极小问题,提出一个全局收敛的模松弛SQP算法.算法要求迭代点可行,且每次迭代只需求解一个二次规划(QP)子问题即可获得搜索方向.通过修正其离散指标集,使得每次迭代求解QP子问题时只需利用一小部分离散指标即可,这大大降低了计算成本.在合适的条件下,可证明算法具有全局收敛性.

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.

一个改进的求解无约束minimax问题的SQP方法

为了解决求解无约束极大极小(minimax)问题,采用模松弛序列二次规划(SQP)算法思想,结合积极集精确识别技术,建立了一个不需假设矩阵正定性的扰动SQP算法。在较弱的条件下,算法具有全局收敛性,初步的数值试验显示算法是有效的。