基于增广Lagrange函数的等式约束优化算法

等式约束优化问题是一类比较常见的也是比较简单的约束优化问题,通过研究带有等式约束的优化问题,提出了一个基于增广Lagrange函数的新算法。在新算法中将增广Lagrange函数作为价值函数,将约束优化问题转化为无约束优化问题,用无约束优化方法去解决等式约束优化问题。算法中每一步迭代只需求解一个简单的线性方程组,不需要太大的计算量就可以找到下降方向。算法中初始点是任意的,在适当条件下保证避免罚因子趋于无穷,可以证明算法全局收敛于原问题的KKT点。

利用单纯形方法构建二次模型

研究了二次插值模型方法,通过算法在迭代过程中所揭示出的局部信息,结合单纯形思想,构造出几种新的搜索方向,并在新的子空间中求解二次模型．对于大多数测试问题,我们的算法都可以显著的减少函数值的计算次数．