一般约束优化问题的摄动梯度投影法

利用梯度投影法与罚函数技巧,将带等式和不等式约束优化问题化成一个无约束问题,提出了求解不等式、等式约束优化问题的摄动梯度投影算法。考虑到计算的误差因素,在搜索方向上进行摄动,得到一个方向不精确的梯度投影法。参数Wk取不同的数还可以得到一类梯度投影法。从而保证了在实际应用中更容易实现,在较弱的条件下,证明了该算法的全局收敛性。     

初始点任意优化问题的广义梯度投影法

利用广义的投影与罚函数技巧和辅助规划处理等式和不等式约束问题以及采用二阶段搜索方法，给出了一个初始可任意的带不等式和等式约束的优化问题的广义梯度投影算法，并证明了该算法具有全局收敛性。     

一般约束问题的广义摄动梯度投影算法

讨论带不等式和等式约束优化问题,提出了求解非线性规划问题的广义摄动梯度投影算法。考虑到计算的误差因素,在搜索方向上进行摄动,得到一个方向不精确的广义梯度投影法,避免了转轴运算,使计算量大为减少,并证明了算法的全局收敛性。     

初始点任意的广义梯度投影算法

利用广义梯度投影与罚函数技巧,将等式与不等式约束问题化成一个无约束问题。给出了一个初始点任意的广义梯度投影算法,削弱了文献[8]的条件,罚参数在计算中自动调整,在迭代次数适当大时成为常数,并证明了算法具有全局收敛性,在实际应用中也容易实现。     

模糊优化相对增量比准则摄动梯度投影算法

首先根据非线性规划最优解的ＫＴ条件，给出一种含参数不等式约束的非线性规划最优解的存在条件。建立相对增量比与较优解的概念，应用摄动梯度投影方法，针对工程优化设计中具有模糊约束非线性规划的模糊优化问题，构造了一种相对增量比准则摄动梯度投影的普通优化算法，为求解模糊优化问题提供了一种新的途径。     

非线性规划中的投影变尺度算法

利用投影变尺度算法,求解一类包含等式和不等式约束的一般非线性规划问题。算法基于积极集,将下降方向、可行方向、修正方向3个方向的合理组合作为算法搜索方向,且可行方向与修正方向仅需修改变尺度投影梯度方向中的部分分量。在可行集非空、问题函数2次连续可微、约束条件线性无关等条件下,证明了算法的全局收敛性和超线性收敛性。     

一般约束优化含等式约束问题的鲁棒信赖域算法

针对一般约束优化问题进行了研究.利用引入罚函数将一般约束问题转化为一个只含不等式约束的的参数规划问题的技巧,将不等式约束优化问题的一个鲁棒信赖域算法扩展到一般约束优化问题中,并保留了算法的良好性质;同时,在一定条件下,得到了算法的全局收敛和超线性收敛.     

一种广义扩展型増广拉格朗日方法

为了求解线性等式约束和不等式约束的凸优化问题,在平衡増广拉格朗日方法B - ALM的基础上提出了一个新的惩罚性的増广拉格朗日方法(P - ALM).数值实验表明,该方法可用于求解线性等式和不等式约束的凸优化问题,且参数条件更为放松.     

约束优化一个线性逼近算法

针对含有非线性不等式及线性等式与不等式约束的问题,给出了一种线性逼近算法。通过构造一个类似TV方法的子问题产生改进方向,利用Armijo线搜索产生步长,并在较弱的条件下得到了算法的全局收敛性。     

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.     

一般约束极大极小问题的广义梯度投影算法

讨论了一类带等式、不等式约束的极大极小值问题,将其转化为带等式、不等式约束的非线性规划问题,利用辅助规划进行处理,给出了一个广义的梯度投影算法,解决了一般约束极大极小值问题。算法可在有限步达到最优点或产生一系列点列,其极限点则是最优点,并证明了该算法的全局收敛性。     

非线性极大极小问题的一个有效算法

针对一类非线性约束极大极小问题,利用极大熵方法将其转化为带等式、不等式约束的非线性规划问题,给出了一种梯度投影算法,解决了一般约束的非线性大系统优化问题,该算法初始点可任意;同时证明了该算法的全局收敛性。初步的数值试验表明,对于该类极大极小问题,算法有良好的数值表现。     

处理等式约束的新微分进化算法

针对有等式约束的优化问题,提出一种新的微分进化算法.该算法是通过解参数方程的方法处理等式约束,从而降维求解的微分进化算法.数值实验结果表明,与现有的其他算法相比,新算法具有较快的收敛速度和较高的求解精度,是一种有效的智能算法.     

一种新的填充函数方法

提出了一种解决含有等式约束及不等式约束的全局优化问题的填充函数方法.该方法是把含有等式约束及不等式约束的全局优化问题,转换成只含有不等式约束的全局优化问题,再利用罚函数的思想,把求解有约束的全局优化问题化成求解无约束的全局优化问题.     

非线性互补问题的内点法

在利用惩罚函数法求解非线性互补问题的基础上,将非线性互补问题转化成不等式约束问题,利用引入的附加变量,将其转化成等式约束问题,再采用将罚函数法和Lagrange乘子法相结合的方法进行求解,算法的收敛性得到了证明,数值实验与仅用惩罚函数方法相比,有更强的收敛性和更快的收敛速度.     

非线性互补问题的内点法

在利用惩罚函数法求解非线性互补问题的基础上，将非线性互补问题转化成不等式约束问题，利用引入的附加变量，将其转化成等式约束问题，再采用将罚函数法和Lagrange乘子法相结合的方法进行求解，算法的收敛性得到了证明，数值实验与仅用惩罚函数方法相比，有更强的收敛性和更快的收敛速度。     

非线性约束最优化在广义投影下强次可行方向法的统一模型

对非线性不等式约束最优化问题进行了讨论，借助广义投影建立求解问题的一个含系列自由参数的统一算法模型，该算法模型能以任意点为初始迭代点，并且迭代点列所满足的约束函数的个数单调不减，不断累加；进一步地，一旦迭代点进入可行域，模型就能保持在可行域内迭代，成为可行下降类算法，称具有这种性质的算法为强次可行方向法．在适当的条件下证明了算法模型的全局收敛性，文中模型同时提供了一种求解非线性不等式组的叠累型方法。     

针对鲁棒性三维声源定位问题的全局性算法

针对到达时间差度量误差和声源具有鲁棒性的三维声源定位问题,提出了一种用半正定规划方法求解的线性校正总体最小二乘全局性算法（LCTLS SDP）. 将带二次等式约束的分式二次规划声源定位模型转化为带二次不等式约束的非凸齐次二次优化问题;利用对偶理论设计算法求出该模型的最优解. 理论证明LCTLS SDP算法能找到问题的最优解. 实验结果显示,LCTLS SDP算法有稳健的定位结果.