×
张建忠。;朱博士。

约束优化问题的带信赖域的投影拟Newton算法。 （英语） Zbl 0696.90050号

J.优化理论应用。 67，No.2，369-393（1990）.
最近，J.诺塞达尔和M.L.奥弗顿[SIAM J.Numer.Anal.22，821-850（1985；Zbl 0593.65043号)]针对等式约束优化问题，提出了一种双边投影Hessian更新技术。虽然证明了局部二步Q超线性速率，但它的全局收敛性并没有得到保证。本文提出了一种信赖域型双边投影拟Newton方法，该方法既保持了原算法的局部两步超线性收敛性，又保证了全局收敛性。我们提出的子问题与通过信任域策略解决无约束优化问题时经常使用的子问题一样简单，因此易于实现。
审核人：J.Z.张

引用于25文件

MSC公司：

90立方 非线性规划
49立方米 变分法中的其他数值方法（MSC2010）
65千5 数值数学规划方法
49英里15 牛顿型方法
90-08 运筹学和数学规划相关问题的计算方法

关键词：

可微罚函数;双面投影Hessian更新技术;等式约束优化;信任区域型双边投影拟纽顿方法;超线性收敛;全球收敛

引文：

Zbl 0593.65043号

软件：

GQTPAR公司
PDF格式BibTeX公司 XML格式引用
\textit{J.Z.Zhang}和\textit{D.T.Zhu}，J.Optim。理论应用。67，No.2，369--393（1990；Zbl 0696.90050）
全文： 内政部

参考文献：

[1] Nocedal，J.和Overton，M.L.，非线性约束优化的投影Hessian更新算法，SIAM数值分析杂志，第22卷，第821-850页，1985年·Zbl 0593.65043号 ·doi:10.1137/0722050
[2] Zhang，J.和Zhu，D.，《一些改进的双面投影拟牛顿算法及其收敛性》，第1部分：方法和全局收敛，《数学应用学报》（英文丛书），第5卷，第33-45页，1989年·Zbl 0683.65046号 ·doi:10.1007/BF02006185
[3] Zhang，J.，and Zhu，D.，一些改进的双面投影拟牛顿算法及其收敛性，第2部分：局部收敛速度和数值结果，数学应用学报（英文系列），第5卷，第46-59页，1989年·Zbl 0683.65047号 ·doi:10.1007/BF02006186
[4] Bertsekas，D.P.，《约束优化和拉格朗日乘子方法》，学术出版社，纽约，1982年·Zbl 0572.90067号
[5] Fletcher，R.，《带不等式的非线性规划的精确罚函数》，《数学规划》，第5卷，第129-150页，1973年·Zbl 0278.90063号 ·doi:10.1007/BF01580117
[6] Moré，J.J.和Sorensen，D.C.，《计算托管区域步骤》，SIAM科学与统计计算杂志，第4卷，第553-5721983页·Zbl 0551.65042号 ·doi:10.1137/0904038
[7] Moré，J.J.，信赖域方法算法和软件的最新发展，《数学规划：最新发展》，A.Bachem，M.Grotschel和B.Korte编辑，Springer-Verlag，德国柏林，第258-287页，1983年。
[8] Boggs，P.T.和Tolle，J.W.，《约束优化的下降函数族》，SIAM数值分析杂志，第21卷，第1146-1161页，1984年·Zbl 0575.65066号 ·doi:10.1137/0721071
[9] Sorenson，D.C.，《模型信赖域修正的牛顿方法》，SIAM数值分析杂志，第19卷，第406-4261982页。
[10] Celis，M.R.、Dennis，J.R.E.和Tapia，R.A.，《非线性等式约束优化的信赖域策略》，数值优化，1984年，P.T.Boggs，R.H.Byrd和R.B.Schnabel编辑，工业和应用数学学会，宾夕法尼亚州费城，第71-82页，1984年。
[11] Byrd，R.H.、Schnabel，R.B.和Shultz，A.G.，非线性约束优化的信赖域算法，SIAM数值分析杂志，第24卷，第1152-1170页，1987年·Zbl 0631.65068号 ·doi:10.1137/0724076
[12] Powell，M.J.D.和Yuan，Y.，《等式约束优化的信赖域方法》，报告编号：DAMTP-1986/NA2，英国剑桥大学应用数学和理论物理系，1986年。
此参考列表基于出版商或数字数学图书馆提供的信息。其项与zbMATH标识符进行启发式匹配，可能包含数据转换错误。在某些情况下，zbMATH Open的数据对这些数据进行了补充/增强。这试图尽可能准确地反映原始论文中列出的参考文献，而不要求完整或完全匹配。