二次半定规划的原始对偶预估校正内点算法

将半定规划(Semidefinite Programming,SDP)的内点算法推广到二次半定规划(QuadraticSemidefinite Programming,QSDP),重点讨论了AHO搜索方向的产生方法.首先利用Wolfe对偶理论推导得到了求解二次半定规划的非线性方程组,利用牛顿法求解该方程组,得到了求解QSDP的内点算法的AHO搜索方向,证明了该搜索方向的存在唯一性,最后给出了求解二次半定规划的预估校正内点算法的具体步骤,并对基于不同搜索方向的内点算法进行了数值实验,结果表明基于NT方向的内点算法最为稳健.     

二次半定规划一个原始对偶路径跟踪算法

本文提出求解二次半定规划的一个基于H..K..M方向的原始对偶路径跟踪算法.文中首先导出确定H..K..M方向的线性方程组,并证明该搜索方向的存在唯一性;然后给出算法的具体步骤,并证明算法产生的迭代点列落在中心路径的某个邻域内.最后采用Matlab(R2011b)数学软件编程对算法进行数值试验.数值结果表明算法是有效的.     

解半定规划的投影收缩法

首先将一般的半定规划扰动成二次半定规划,而后者在其对偶空间等价于一投影方程,然后提出了求解半定规划问题的投影收缩方法并且给出了全局收敛性结果.     

解非凸半定规划问题的一个修正Lagrangian算法

对于一般非凸半定规划,给出了一个修正Lagrangian函数及其相关算法,建立了参数解的误差估计式,并证明了算法的局部收敛性,即在适当条件下,罚参数存在一个阈值,当罚参数小于这一阈值时,由此修正Lagrangian算法产生的序列局部线性收敛到原问题的KKT点。     

一类二次半定规划问题及其内点算法

讨论一类二次半定规划对偶性理论及与半定最小二乘问题的联系,并在对偶理论基础上讨论该规划的原始对偶内点算法,同时给出了基于NT方向的唯一性证明.     

大规模传感器网络局部半定规划的节点定位算法

针对大规模无线传感器网络中节点定位问题,提出了一种高效、准确、分布式的局部半定规划(LSDP)定位算法.根据节点重要度,将大规模无线传感器网络分割为多个局部网络,局部网络采用半定规划的方法对其辖内的节点进行相对定位构建的局部相对映射,应用合并算法将局部相对映射拼接为全局相对映射,再通过参考节点匹配将全局相对映射转换为全局绝对映射,从而获得整个无线传感器网络内部所有节点的详细位置信息.实验结果表明,网络在规则分布下,LSDP的节点定位误差仅为理想通信时的98%,在随机均匀分布下的定位误差减小了90%.     

基于新函数下的半定规划原始对偶内点算法的复杂度分析

以φ(t)=(tp+1-1)-(p+1)ln t作为核函数,讨论半定规划的一类多项式原始对偶内点算法的收敛性及其复杂度.基于这个核函数找到牛顿系统的一个新的搜索方向,从而得到一个新的算法,并给出了其长步长迭代界和短步长迭代界分别为O(n1-pln nε),O(n23-plnεn).     

多目标半定规划的Lagrange对偶与鞍点定理

主要研究含矩阵函数半定约束和向量函数等式约束以及多个目标函数的多目标半定规划的对偶和鞍点问题．首先在似凸条件下建立了一个含矩阵函数半定约束系统的择一性定理,由此得到多目标半定规划及其在弱有效解意义下的Lagrange对偶理论,包括弱对偶、强对偶和逆对偶等．然后利用鞍点的等价定义,得到多目标半定规划的鞍点最优性条件．     

基于半定规划的无线传感器网络节点定位算法

针对无线传感器网络节点定位,在最大似然估计(MLE)基础上提出了一种半定规划(SDP)的优化算法.结合有效的锚节点位置选择和比率范围设定,在放宽非凸约束的基础上,采用SDP求解算法,有效减少了误差的影响,得到被测节点的实际位置.改变锚节点的位置可以有效解决锚节点凸壳外的节点位置估计不精准问题.仿真结果表明,提出的SDP算法对未知节点的位置实现了高精度定位,改进了凸优化方法.     

半定规划的解析中心割平面法

给出了半定规划的解析中心割平面算法,它可以用于求解较大规模的半定规划问题。这个算法在每一步迭代中解决对偶半定规划线性松弛问题,并以割平面的解析中心作为下一个迭代点。我们证明了算法的收敛性,并在最后给出了实际算例。     

半定规划问题基于方向分解的筛选算法

目的寻求半定规划问题新的理论算法。方法采用低秩分解技术将一般的半定规划问题转化为与其等价的非线性规划问题,利用基于方向分解的筛选算法,通过对搜索方向进行切线步和垂直步的分解来分别寻求最优解方向和不可行性改善的方向,构造了半定规划问题的筛选算法。结果通过证明得到算法具有可行性。结论最后给出了算法的收敛性分析。     

半定规划问题的筛选算法及其收敛性

给出了解决半定规划问题的一种新的算法.首先采用低秩分解技术将一般的半定规划问题转化为与其等价的非线性规划问题;然后利用多目标优化中的占优概念,来建立一个有效的筛子,使目标函数和不可行性达到最优,建立了半定规划的筛选法;最后给出了算法的收敛性分析.     

解半定规划的带筛子的正则化方法

研究了求解半定规划问题的一个带有筛子的正则化方法,该方法是基于经典的二次正则化方法,将半定规划问题转化为目标函数为凸的、可微的无约束优化问题。利用筛选信赖域方法来解这个无约束优化问题,并给出算法及其收敛性分析。     

一种求解QoS路由问题的半定规划算法

QoS路由的主要问题是求源节点到目的节点满足QoS多个约束的优化问题。由于半定规划在求解组合优化问题和NP-完全问题时具有收敛速度快,迭代步数少等优点。本文基于QoS路由问题的线性整数规划网络模型,利用半定规划方法研究了时延约束的代价最小问题。把QoS路由的一般模型松弛为半定规划的标准形式,利用半定规划内点方法进行求解,然后利用随机扰动方法得到原问题的近似最优解.数值试验表明了算法的有效性。     

一个用于构造非线性半定规划算法的非线性Lagrange函数

非线性Lagrange方法是求解非线性半定规划的一个重要方法。给出了一个可以用于研究非线性半定规划的非线性Lagrange函数，并证明了这个函数在KKT点附近具有凸性，从而保证了非线性Lagrange算法理论成立的前提条件。     

半定规划的原始-对偶不可行内点算法

对于半定规划问题,通过构造适当的搜索方向,给出了一个原始-对偶不可行内点算法.证明了该算法经过有限步迭代后,或者在某个较大的区域得到问题的一个近似最优解,或者说明问题在该区域内无解.     

解凸二次半定规划的过滤集-正则化方法

给出求解一种特殊凸二次半定规划的过滤集-正则化方法,并对其全局收敛性进行分析.最后还提供此算法的初步数值试验结果.     

半定规划的共轭梯度法

基于Fischer-Burmeister函数,给出半定规划问题(SDP)最优性条件的一个价值函数,提出一种PRP-型共轭梯度法,在适当的假设下分析了算法的全局收敛性.     

半定规划与线性规划之异同

文章对半定规划和线性规划问题进行比较研究,概括介绍了两者的异同点.半定规划是将线性规划中的向量变量用对称矩阵变量代替,非负约束用半正定约束代替而得到,因此半定规划与线性规划有很多相似之处,而半定规划比线性规划更一般.