一种求解NCP问题的信赖域-SQP-filter算法

先将非线性互补问题(NCP)转化为与其等价且有可行解的辅助问题,再将引入了信赖域方法思想的SQP方法与Filter技术相结合,提出一种求解NCP问题的信赖域-SQP-filter算法,并讨论了解的存在性和算法的全局收敛性.数值结果表明我们的算法是有效并收敛的.

一种结合NCP函数的SQP滤子新算法

提出一种带非线性互补函数的信赖域序列二次规划滤子算法.通过引入滤子概念,避免了罚函数法中罚参数选择的困难.借助非线性互补函数简化了非线性规划问题的KKT条件,并用非线性互补函数代替滤子中的约束违反度函数,在一定的条件下证明了算法具有全局收敛性.数值试验结果表明算法是有效的.

带NCP函数的滤子SQP方法

提出了一种解约束非线性规划问题的算法,这种算法主要基于信赖域SQP方法,不需要使用罚函数作为价值函数,而是使用滤子去判断迭代点是否有效,从而解决了罚参数难选择的问题。同时还结合了NCP函数,使得最优点满足非线性互补条件。最后,从理论上分析了算法的全局收敛性,并通过数值试验说明本算法是有效的。

一种新的结合NCP函数的SQP滤子算法

对于SQP滤子算法,本文提出了一种新方法来构造滤子,目的是为了使滤子的接受条件更宽松,降低进行可行性恢复的机率.另外,本文通过一些数值例子对这种新算法进行了检验,事实证明这种算法是有效的.最后还证明这种算法具有超线性收敛性.

局部超线性收敛的信赖域SQP滤子方法

讨论信赖域SQP滤子方法的局部收敛性,SQP滤子方法是解非线性规划的一种较为有效的方法。但是,滤子方法也会遇到Maratos效应。当迭代点充分靠近原问题的严格局部解时,完全牛顿步可能会使目标函数值和约束违反度都上升,从而不被滤子接受,影响了算法的收敛速度。对R.Fletcher,S.Leyffer和L.Toint在"SQP滤子全局收敛算法(2002)"文中的算法进行了修改,提出了一类新的算法。在这类算法中,如果完全牛顿步不被滤子接受,就通过对它进行一个二阶校正(SOC),使得它容易被滤子接受,保证算法具有局部超线性收敛性。

一类修改的带NCP函数信赖域滤子算法

本文针对非线性规划给出了一种修改的带NCP函数的信赖域滤子SQP算法,主要的修改之处是用NCP函数替代了滤子中约束违反度函数,而且进一步证明了这种修改的算法同样具有全局收敛性.

新的结合非线性互补问题函数的逐步二次规划滤子算法

对于结合非线性互补问题(nonlinear complementary problem,NCP)函数的逐步二次规划(sequential quadraticprogramming,SQP)滤子算法,提出一种新方法来构造滤子,目的是为了使滤子的接受条件更宽松,降低进行可行性恢复的机率.对于改变滤子构造后会引起的滤子点数量过多的问题,又给出一种限制滤子点数量的办法.另外,通过一些数值例子对这种新算法进行检验,事实证明这种算法是有效的.

结合非线性互补问题函数的滤子逐次二次规划算法(英文)

为在 filter-SQP (二次的编程的顺序) 证明集中全球的机制功能为抑制非线性的优化问题被描述的有非线性的补充问题(NCP ) 的方法。我们介绍 NCP 功能进过滤器并且构造一个新 SQP 过滤器算法。如此的方法被他们多客观的优化的优势概念的使用描绘，而不是其调整能有问题的一个惩罚参数。我们证明算法在一些温和条件下面有全球集中和超级线性集中率。