不等式约束优化超线性收敛的信赖域-SQP算法.pdfVIP

不等式约束优化超线性收敛的信赖域-SQP算法.pdf

  1. 1、有哪些信誉好的足球投注网站(book118)网站文档一经付费(服务费),不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。。
  2. 2、本站所有内容均由合作方或网友上传,本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺!文档内容仅供研究参考,付费前请自行鉴别。如您付费,意味着您自己接受本站规则且自行承担风险,本站不退款、不进行额外附加服务;查看《如何避免下载的几个坑》。如果您已付费下载过本站文档,您可以点击 这里二次下载
  3. 3、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“版权申诉”(推荐),也可以打举报电话:400-050-0827(电话支持时间:9:00-18:30)。
  4. 4、该文档为VIP文档,如果想要下载,成为VIP会员后,下载免费。
  5. 5、成为VIP后,下载本文档将扣除1次下载权益。下载后,不支持退款、换文档。如有疑问请联系我们
  6. 6、成为VIP后,您将拥有八大权益,权益包括:VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
  7. 7、VIP文档为合作方或网友上传,每下载1次, 网站将根据用户上传文档的质量评分、类型等,对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档
查看更多
不等式约束优化超线性收敛的信赖域-SQP算法

第 37卷 第 5期 应 用 数 学 学 报 V_o1.37 NO.5 2014年 9月 ACTA MATHEMATICAEAPPLICATAE SINICA Sep.,2014 不等式约束优化超线性收敛的 信赖域.SQP算法 孙中波 (东北师范大学人文学院数学教育系,长春 130117) (吉林大学通信工程学院,长春130022) (E-mail:zhongbosun2012@163.coin) 段复建 (桂林电子科技大学数学与计算科学学院,桂林541004) 许春玲 (东北师范大学人文学院公共计算机教研部,长春130117) 田彦涛十 (吉林大学通信工程学院,长春130022) (E—mail:tianyt@jlu.edu.cn) 摘 要 本文讨论不等式约束优化问题,给出一个信赖域方法与 SQP方法相结合的新算法.算 法中的QP问题始终相容,并且 QP问题产生的有哪些信誉好的足球投注网站方向始终为可行方向.采用高阶校正的方 法来克服算法产生的Maratos效应现象.在适当的条件下,证明了算法的全局收敛性和超线性 收敛性.数值结果表明算法是有效的. 关键词 信赖域 一SQP算法;Maratos效应;全局收敛性;超线性收敛性 MR(2000)主题分类 90C30 中图分类 0224.2 1 引言 考虑如下不等式约束优化问题 本文2012年 1月 9日收到.2014年 9月29日收到修改稿. 国家自然科学基金 ,广西 自然科学基金 (2011GXNSFA018138)和吉林省教育厅 “十二 ’科学技 术项 目(2013577,2014636)资助. 十通讯作者. 5期 孙中波,段复建,许春玲,田彦涛:不等式约束优化超线性收敛的信赖域 一SQP算法 879 .)))0,,J∈∈A_={{11—,2,…..),mm)) (1.) s.tgj(a: 其中 .厂(),gj(X):R 一R (J=1,2,… ,m)是连续可微函数.序列二次规划 (SQP)是 求解问题 (1.1)的最有效的一类:疗法.该方法早期由Wilson,Han,Powell提出.由于它 具有超线性收敛等 良好性质,吸引了许多学者对其研究与讨论,使 SQP算法成为求解 非线性约束优化问题的最有效的算法之一 [1-5].近年来,SQP算法得到了迅速的发展 [6-1o】 , 使得 SQP算法 日臻完善.对于信赖域算法,Levenberg和 Marguart的首次提出 是为了求解无约束优化问题 [11--12】,由于这类算法具有很好的收敛性和鲁棒性,一直受 到许多学者的重视.随后,又有许多学者把这种方法从求解无约束优化问题推广到求解 约束优化问题 [ .本文吸取了信赖域方法、SQP方法的思想,研究和建立了非线性 不等式约束优化的一个可行信赖域 一SQP算法,算法中QP子问题生成的有哪些信誉好的足球投注网站方向始终 为可行方向,如果条件不满足,进行非单调线有哪些信誉好的足球投注网站,从而产生下一次迭代点,不需要重 新去求解 QP子问题.在适当的条件下,证明了算法具有全局收敛性和超线性收敛性. 数值实验说明算法是可行有效的. 2 信赖域 一SQP算法 首先引入一些记号. II.1l为欧几里得范数. .f’()为 目标函数 f(x)的梯度,Vgs(x)为约束函数 () 的梯度,△ 为信赖域半径, 为压缩因子,始为下降方向,a为校正方向,q 为辅助的可行下降方向,A0为 Lag

文档评论(0)

hhuiws1482 + 关注
实名认证
文档贡献者

该用户很懒,什么也没介绍

版权声明书
用户编号:5024214302000003

1亿VIP精品文档

相关文档