×
柯蒂斯，弗兰克·E。;姜浩;丹尼尔·罗宾逊。

大规模约束优化的自适应增广拉格朗日方法。 （英语） Zbl 1323.49015号

数学。程序。 152，第1-2（A）号，201-245（2015）.
针对大规模约束优化问题，通过在信任域框架内更新惩罚参数和/或拉格朗日乘子，提出了一种自适应增广拉格朗基算法，证明了该算法的适定性和全局收敛性。通过对几个测试问题的迭代次数和梯度评估，说明了自适应惩罚参数更新策略的有效性。
审核人：Bülent Karasözen（安卡拉）

引用于1审查
引用于21文件

MSC公司：

4.95亿 基于必要条件的数值方法
49平方米29 涉及对偶性的数值方法
49立方米 基于非线性规划的数值方法
65千5 数值数学规划方法
65K10码 数值优化和变分技术
90C06型 数学规划中的大规模问题
90立方 非线性规划
93磅40 系统理论中的计算方法（MSC2010）

关键词：

非凸优化;大规模优化;增广拉格朗日方法;无矩阵方法;转向方法

软件：

彭农牌手表;CPLEX公司;SNOPT公司;兰斯洛特;切割机;12月6日;RecPF公司;警察
PDF格式BibTeX公司 XML格式引用
\textit{F.E.Curtis}等人，《数学》。程序。152，编号1--2（A），201-245（2015；Zbl 1323.49015）
全文： DOI程序

参考文献：

[1] Boggs，P.T.，Tolle，J.W.：约束优化的一类下降函数。SIAM J.数字。分析。21, 1146-1161 (1984) ·Zbl 0575.65066号 ·doi:10.1137/0721071
[2] Boyd，S.，Parikh，N.，Chu，E.，Peleato，B.，Eckstein，J.：通过乘法器的交替方向方法进行分布式优化和统计学习。发现趋势马赫学习3，1-122（2011）·兹比尔1229.90122 ·doi:10.1561/220000016
[3] Byrd，R.H.，Lopez-Calva，G.，Nocedal，J.：使用指导规则的行搜索精确惩罚方法。数学课程133、39-73（2012）·Zbl 1254.90221号 ·doi:10.1007/s10107-010-0408-0
[4] Byrd，R.H.，Nocedal，J.，Waltz，R.A.：指导非线性规划的精确惩罚方法。最佳方案。方法软件。23, 197-213 (2008) ·Zbl 1211.90224号 ·网址：10.1080/10556780701394169
[5] Conn，A.R.，Gould，N.I.M.，Toint，P.L.：具有一般约束和简单边界的全局收敛增广拉格朗日优化算法。SIAM J.数字。分析。28, 545-572 (1991) ·Zbl 0724.65067号 ·doi:10.1137/0728030
[6] Conn，A.R.，Gould，N.I.M.，Toint，P.L.：LANCELOT：用于大规模非线性优化的Fortran包（A版）。计算数学课堂讲稿，第17卷。施普林格、柏林、海德堡、纽约、伦敦、巴黎和东京（1992年）·Zbl 0761.90087号
[7] Conn，A.R.，Gould，N.I.M.，Toint，P.L.：信托区域方法。工业和应用数学学会（SIAM），宾夕法尼亚州费城（2000）·Zbl 0958.65071号 ·数字对象标识代码：10.1137/1.9780898719857
[8] Davidson，K.R.，Donsig，A.P.：真实分析与应用。数学本科生课文。施普林格，纽约（2010年）。理论在实践中·Zbl 1179.26001号 ·doi:10.1007/978-0-387-98098-0
[9] Dembo，R.S.、Eisenstat，S.C.、Steihaug，T.：不精确牛顿法。SIAM J.数字。分析。19, 400-408 (1982) ·Zbl 0478.65030号 ·doi:10.1137/0719025
[10] Dennis Jr，J.，El-Alem，M.，Maciel，M.C.：等式约束优化的基于信任区域的通用算法的全局收敛理论。SIAM J.Optim公司。7, 177-207 (1997) ·Zbl 0867.65031号 ·doi:10.1137/S1052623492238881
[11] DiPillo，G.，Grippo，L.：非线性规划中一类新的增广拉格朗日函数。SIAM J.控制优化。17, 618-628 (1979) ·Zbl 0418.90077号 ·doi:10.1137/0317044
[12] Dolan，E.D.，Moré，J.J.：COPS基准优化软件，技术备忘录ANL/MCS-TM-246。伊利诺伊州阿贡市阿贡国家实验室（2000年）
[13] El-Alem，M.：针对dennis、El-Alem和maciel的约束优化信赖域算法类的全局收敛理论，无需假设正则性。SIAM J.Optim公司。965-990（1999年）·Zbl 0957.65059号 ·doi:10.1137/S1052623497331762
[14] Fernández，D.，Solodov，M.：二阶充分条件下精确和非精确增广拉格朗日方法的局部收敛性。IMPA，预印本A677（2010）·Zbl 1259.90132号
[15] Fernández，D.，Solodov，M.：优化的稳定序列二次规划和变分问题的稳定Newton型方法。数学。程序。125, 47-73 (2010) ·Zbl 1203.90144号 ·doi:10.1007/s10107-008-0255-4
[16] Fletcher，R.：一类具有终止性和收敛性的非线性规划方法。摘自：Abadie，J.（编辑）《整数与非线性规划》，第157-175页。荷兰霍兰德北部（1970年）·Zbl 1068.90526号
[17] Gabay，D.，Mercier，B.：通过有限元近似解非线性变分问题的对偶算法。计算。数学。申请。2, 17-40 (1976) ·Zbl 0352.65034号 ·doi:10.1016/0898-1221（76）90003-1
[18] Gill，P.E.，Murray，W.，Saunders，M.A.：SNOPT：大规模约束优化的SQP算法。SIAM版本4799-131（2005）·Zbl 1210.90176号 ·doi:10.1137/S0036144504446096
[19] Gill，P.E.，Murray，W.，Saunders，M.A.，Wright，M.H.：增广拉格朗日函数的一些理论性质，报告SOL 86-6R。斯坦福大学，加利福尼亚州斯坦福（1986）·Zbl 0814.90094号
[20] Gill，P.E.，Robinson，D.P.：一种全局收敛的稳定SQP方法，数值分析报告12-02。加州大学圣地亚哥分校（2012年）
[21] Glowinski，R.，Marroco，A.：Sur l’Approximation，par Elements Finis d’Ordre Un，el-la Resolution，par Penalisation-Direalé，'une Classe de Problèmes de Dirichlet Nonlineares。《法国自动化评论》，Informatique et Recherche Opérationelle 9，41-76（1975）·Zbl 0368.65053号
[22] Gould，N.I.M.，Orban，D.，Toint，P.L.：CUTEr和SifDec:一个约束和非约束的测试环境，重新审视。ACM事务处理。数学。柔和。29, 373-394 (2003) ·Zbl 1068.90526号 ·数字对象标识代码：10.1145/962437.96243439
[23] Hestenes，M.R.：乘数法和梯度法。J.优化。理论应用。4, 303-320 (1969) ·Zbl 0174.20705号 ·doi:10.1007/BF00927673
[24] Hock，W.，Schittkowski，K.：非线性编程代码的测试示例。经济学和数学系统讲义，第187卷。施普林格、柏林、海德堡和纽约（1981年）·Zbl 0452.90038号
[25] ILOG Inc，ILOG CPLEX：用于数学编程和优化的高性能软件，2006年。请参见http://www.ilog.com/products/cplex/ ·兹比尔1211.90224
[26] Izmailov，A.F.，Solodov，M.V.：关于线性约束拉格朗日方法以及稳定和准Newton SQP方法对临界乘数的吸引力。数学。程序。126, 231-257 (2011) ·Zbl 1218.90184号 ·doi:10.1007/s10107-009-0279-4
[27] 艾兹迈洛夫，A.F.，索洛多夫，M.V.：重新审视稳定的SQP。数学。程序。133, 93-120 (2012) ·Zbl 1245.90145号 ·doi:10.1007/s10107-010-0413-3
[28] Kočvara，M.、Stingl，M.和PENNON:非线性优化的高性能算法和软件中半定规划的广义增广拉格朗日方法（Erice:Appl.Optim.的第82卷，Kluwer Acad.Publ.Norwell，MA 2003，pp.303-321（2001）·Zbl 1044.90082号
[29] Li，D.-H.，Qi，L.：通过线性方程的稳定SQP方法，技术报告AMR00/5。悉尼新南威尔士大学数学学院（2000年）
[30] Mongeau，M.，Sartenaer，A.：精确惩罚函数方法中惩罚参数的自动减少。欧洲药典。第83（3）号决议，686-699（1995）·Zbl 0901.90165号
[31] Moré，J.J.：信任区域和预测梯度。在M.Iri和K.Yajima（编辑）《系统建模与优化》中。《控制与信息科学讲义》第113卷，第1-13页。施普林格，柏林-海德堡（1988）·Zbl 0655.90069号
[32] Mostafa，E.-S.，Vicente，L.，Wright，S.：退化NLP问题的稳定SQP方法的数值行为。C.Bliek、C.Jermann和A.Neumaier（编辑）《全局优化和约束满足》，计算机科学讲义第2861卷，第123-141页。施普林格，柏林/海德堡（2003）·Zbl 1255.90110号
[33] 鲍威尔，MJD；Fletcher，R.（编辑），最小化问题中非线性约束的方法，283-298（1969），伦敦和纽约·Zbl 0194.47701号
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。