非光滑约束最优化问题的最小值序列

研究了非光滑凸函数的LP最小值序列的性质 ,并给出了它与稳定序列之间的关系 .

非负组稀疏约束优化问题的最优性条件

基于Bouligand意义下的切锥与法锥和Clarke意义下的切锥与法锥,该文研究了非负组稀疏约束优化问题的最优性理论.该文定义了非负组稀疏约束集的Bouligand切锥与法锥和Clarke切锥与法锥,并给出了它们的等价刻画形式.在目标函数连续可微的条件下,借助于非负组稀疏约束集的切锥和法锥,给出了该优化问题的四类稳定点的定义,并讨论了它们之间的关系.最后,建立了非负组稀疏约束优化问题的一阶和二阶最优性条件.

具有双重松弛项的改进惯性近端交替方向乘子法在结构化非凸和非光滑问题中的应用

针对结构化的非凸非光滑优化问题,提出了一种改进的惯性近端交替方向乘子法(Modified Inertial Proximal Alternating Direction Method of Multipliers, MID-PADMM)。该问题在多个领域,包括机器学习、信号处理和经济学中具有重要应用。现有算法在处理这类问题时,往往面临收敛速度慢或无法保证收敛的挑战。为了克服这些限制,引入了一种双重松弛项,以增强算法的鲁棒性和灵活性。理论分析表明,MID-PADMM算法在适当的条件下能够实现全局收敛,并且具有O(1/k)的迭代复杂度,其中k代表迭代次数。数值实验结果表明,与现有的状态最优算法相比,MID-PADMM在多个实例中展现出更快的收敛速度和更高的求解质量。

非单调信赖域方法求解无约束非光滑优化问题

提出了非单调信赖域算法求解无约束非光滑优化问题,并和经典的信赖域方法作比较分析。同时,设定了一些条件,在这些假设条件下证明了该算法是整体收敛的。数值实验结果表明,非单调策略对无约束非光滑优化问题的求解是行之有效的,拓展了非单调信赖域算法的应用领域。

锥约束非光滑多目标优化问题的对偶及最优性条件

研究了一类涉广义不变凸锥约束非光滑多目标优化问题(记为(MOP)),结合Craven与Yang广义选择定理,建立了该优化问题的Kuhn-Tucker型最优性充分必要条件以及其鞍点与弱有效解之间的关系,给出了(MOP)的Wolfe型与Mond-Weir型弱、强以及逆对偶理论.

一类带等式约束非光滑最优化问题的逐次二次规划方法

本文对一类带等式约束的非光滑最优化问题给出了一种逐次二次规划方法．这类问题的目标函数是非光滑合成函数，约束函数是非线性光滑函数．该方法通过逐次解二次规划寻找搜索方向，使用ｌ１－罚函数的非精确线搜索得到新的迭代点．

非负正交约束优化问题的理论、算法及应用

非负正交约束优化问题是同时带有非负约束和正交约束的优化问题,该类问题在机器学习和数据科学中有着重要的应用。常见的非负正交约束优化问题包括二次指派问题、图匹配问题、非负正交矩阵分解问题、非负主成分分析和K-指示模型等。由于非负约束和正交约束的共同作用,该类问题具有一定的组合结构,一般是NP-难的。本文主要介绍非负正交约束优化问题的基本理论性质、求解算法以及相关的应用模型。

关于一类凸约束非光滑最优化问题的信赖域算法

本文将一类求解具有凸约束光滑非线性规划的信赖域算法推广到非光滑情形，并且仅要求目标函数是局部李普希兹的。在每次迭代中，都在信赖域上求解一个带有目标函数一阶和二阶信息的子问题，并且一阶信息是一个不明显依赖于次梯度或方向导数的迭代函数，并证明了该算法的全局收敛性。

求解一类非凸非光滑约束优化问题的邻近滤子束算法

针对一类特殊的非凸非光滑约束优化问题提出了邻近滤子束算法.该问题的目标函数为lower-c2而约束函数为凸的.具体地,首先对目标函数采用凸化技术得到修正的问题,接着利用改进函数将修正后的约束问题转变为无约束问题,设计邻近束算法来求解这个无约束问题并在邻近束算法中引入滤子策略来确定下降步.数值结果表明了该算法的有效性和可靠性.

求解非光滑复合约束优化问题的再分配束方法

针对一类特殊的复合约束优化问题提出了再分配型束方法,其中目标函数和约束函数为具有lower- C 2性质的函数.利用改善函数,原约束问题可以被转化为无约束问题,并且新的目标函数也具有lower- C 2性质.再利用lower- C 2函数的性质,引入了凸化参数来改善子问题目标函数的凸性,并设计了相应的束方法.给出了原问题和新问题最优点的关系,并简单地给出了参数稳定性结论和算法的局部收敛性结论.通过对 H 2/H ∞ 综合问题的分析,利用提出的算法计算了最优的 H 2/H ∞ 动态控制器,表明了算法的有效性.

非光滑两级优化问题的必要条件及其算法

利用集值分析、非光滑分析与优化理论，研究了两级优化问题的性质、结构，提出了处理这类问题的一个通用性结构化模型，并利用该模型导出了非凸非光滑条件下两级优化问题的微分包含型必要条件，最后给出了其求解的算法及算例．

求解非光滑最优控制问题的自适应网格优化

针对传统直接配点法在求解非光滑最优控制问题时存在离散误差大、精度低的问题,提出了一种自适应直接配点法。利用局部分段插值多项式逼近最优解,将最优控制问题离散为非线性规划问题,并给出了离散误差估计方法,根据离散误差的大小确定区间内节点的加密量,提出了自适应网格优化算法,利用该算法将大部分节点配置在非光滑区域以降低离散误差。最后通过仿真算例将所提算法与传统直接配点法和文献中的拟谱自适应算法分别进行比较,验证了所提算法的高精度和有效性。

约束品性与非光滑多目标优化问题

考虑带不等式和集约束的非光滑多目标优化问题。首先利用Clarke方向导数、切锥、可达方向锥和线性化锥等工具引入广义Abadie约束品性和广义Kuhn-Tucker约束品性。进一步,分别在广义Abadie约束品性成立和广义Kuhn-Tucker约束品性成立这两种情况下,证明了Geoffrion真有效解是广义Kuhn-Tucker真有效解。

递阶多目标非光滑优化问题的最优性条件

建立了递阶多目标非光滑优化问题的一个通用性结构化模型，利用参数规划、集值分析及非光滑非线性分析的理论和方法，研究了模型锥有效解存在的最优必要条件和充分条件．

一种解决不等式约束优化问题的光滑牛顿法

本文通过引入松弛变量和Fischer函数把带有不等式约束优化问题的K-T条件转化为一个等价的非线性系统,并引入一参数μ,从而提出了一种新的光滑牛顿法。在适当的条件下,证明了算法的全局收敛性,并提供了数值结果。

求解LC^1约束优化问题的非精确广义牛顿法

通过将非线性LC1约束优化问题的KKT条件转化成半光滑方程组,提出一个求解LC1约束优化问题的非精确广义牛顿法,在一定的条件下证明了算法的全局收敛性和超线性收敛性.

一类非光滑锥约束规划问题的混合对偶

研究了非光滑锥约束规划问题的混合对偶模型的弱对偶、强对偶和逆对偶结果。在K-广义不变凸性、K-广义伪不变凸性条件下证明了两个弱对偶定理;在K-广义不变凸性条件下,利用广义Slater约束规格给出了强对偶定理;在K-非光滑不变凸性和非光滑伪不变凸性下研究了该类模型的逆对偶定理。

一种解决非光滑伪凸优化问题的新型神经网络

针对带有不等式约束条件的非光滑伪凸优化问题,提出了一种基于微分包含理论的新型递归神经网络模型,根据目标函数与约束条件设计出随着状态向量变化而变化的罚函数,使得神经网络的状态向量始终朝着可行域方向运动,确保神经网络状态向量可在有限时间内进入可行域,最终收敛到原始优化问题的最优解。最后,用两个仿真实验用来验证神经网络的有效性与准确性。与现有神经网络相比,它是一种新型的神经网络模型,模型结构简单,无需计算精确的罚因子,最重要的是无需可行域有界。

等式约束非凸优化问题的修正牛顿算法（英文）

本文设计了一个新的求解等式约束非凸优化问题的修正牛顿算法.利用修正的拉格朗日函数,通过求解线性方程组获得搜索方向,利用价值函数的线性近似模型确定步长.在没有非奇异性假设的条件下,证明了算法的全局收敛性.数值结果表明,算法是有效的.

Minty向量似变分不等式与非光滑向量优化问题

在Clarke次微分意义下讨论伪不变凸性和不变伪单调性在Minty向量似变分不等式中的应用,建立了Minty向量似变分不等式和非光滑向量优化问题之间的关系.