导读:本文包含了不等式约束优化问题论文开题报告文献综述、选题提纲参考文献及外文文献翻译，主要关键词:函数,不等式,算法,光滑,全局,精确,日神。
不等式约束优化问题论文文献综述
罗福,姚奕荣[1]（2018）在《非线性不等式约束优化问题叁角型精确罚函数算法》一文中研究指出针对非线性不等式极小化问题,通过新增一个变量,构造了一种叁角型增广罚函数,并在一定条件下,证明了该罚函数是连续可微的,且是精确的.由此设计了求解非线性不等式约束的叁角型精确罚函数算法,数值试验说明了该算法的可行性.(本文来源于《应用数学与计算数学学报》期刊2018年04期）
王祥玲,左双勇[2]（2018）在《不等式约束优化问题的可行信赖域滤子法》一文中研究指出利用可行信赖域方法和滤子方法的思想,建立了一个新的求解不等式约束优化问题的算法;算法利用修正的二次规划子问题获得可行搜索方向,当迭代点不能被滤子接受时对搜索方向进行修正,并减小信赖域半径。算法既保证了QP子问题的可行性,又在一定程度上简化了算法结构;在合适的条件下,证明了算法具有全局收敛性。(本文来源于《保山学院学报》期刊2018年05期）
孟思彤[3]（2018）在《不等式约束优化问题的目标罚函数法的光滑化研究》一文中研究指出最优化理论和方法的基础是Dantzig在1947提出的求解线性规划问题的单纯形算法,随着计算机技术迅猛发展,成为一门独立的学科.最优化理论和方法广泛地应用于科学技术、经济、军事等领域,其中应用最为广泛的是约束非线性规划问题.求解非线性规划问题的一个重要方法是罚函数方法,它可以将约束非线性规划问题转化为无约束的非线性规划问题求解.罚函数方法是通过求解一个或者多个罚问题来得到约束规划问题的解.精确罚函数是指当罚参数充分大的时候,求解罚问题的极小点就是原约束规划问题的极小点或者原问题的极小点就是罚问题的极小点.对于传统的罚函数,若罚函数是简单光滑的,则其一定是不精确的;若罚函数是简单精确的,则其一定是不光滑的.本文的主要工作是对不同于传统罚函数的目标罚函数进行研究,给出新的目标罚函数并讨论它的光滑化.本文结构安排如下:第一章主要介绍约束优化问题的基本概念、目标罚函数方法以及本文的主要工作.第二章针对非线性约束优化问题研究了一个新的目标罚函数证明了它的精确性,并给出了它的光滑近似目标罚函数和对应的目标罚优化问题.给出了目标罚问题及光滑目标罚问题的最优值之间的误差估计.基于这一光滑目标罚函数,提出了一个算法并证明了算法的全局收敛性.数值例子表明算法是可行的.第叁章针对非线性约束优化问题的另一个新的精确目标罚函数,研究了它的光滑逼近目标罚函数和对应的目标罚优化问题.给出了目标罚问题和光滑目标罚问题的最优值之间的误差估计.证明了基于这一光滑近似目标罚函数给出算法的全局收敛性.数值例子表明算法是可行的.第四章对本文的研究内容做了一下总结,并提出了可进一步研究的方向.(本文来源于《曲阜师范大学》期刊2018-04-03）
杨莲,姚奕荣[4]（2017）在《非线性不等式约束优化问题的指数型精确罚函数算法》一文中研究指出针对非线性不等式约束优化问题,通过增加一个变量构造了一种新的指数型罚函数,进而证明了该罚函数的光滑性和精确性.进一步,设计了一种求解非线性不等式约束优化问题的精确罚函数算法.数值计算的结果表明了该算法的可行性.(本文来源于《上海大学学报(自然科学版)》期刊2017年06期）
喻昕,许治健,陈昭蓉,徐辰华[5]（2017）在《拉格朗日神经网络解决带等式和不等式约束的非光滑非凸优化问题》一文中研究指出非凸非光滑优化问题涉及科学与工程应用的诸多领域,是目前国际上的研究热点。该文针对已有基于早期罚函数神经网络解决非光滑优化问题的不足,借鉴Lagrange乘子罚函数的思想提出一种有效解决带等式和不等式约束的非凸非光滑优化问题的递归神经网络模型。由于该网络模型的罚因子是变量,无需计算罚因子的初始值仍能保证神经网络收敛到优化问题的最优解,因此更加便于网络计算。此外,与传统Lagrange方法不同,该网络模型增加了一个等式约束惩罚项,可以提高网络的收敛能力。通过详细的分析证明了该网络模型的轨迹在有限时间内必进入可行域,且最终收敛于关键点集。最后通过数值实验验证了所提出理论的有效性。(本文来源于《电子与信息学报》期刊2017年08期）
冯爱芬[6]（2016）在《基于模式搜索方法的解不等式约束优化问题的算法设计》一文中研究指出针对不等式约束的优化问题,构造了一类带新的NCP函数的增广拉格朗日函数,在一定的条件下,证明了增广拉格朗日函数的平稳点、局部极小点之间、全局最小点与原问题KKT点、局部极小点全局最小点有1-1对应关系。然后针对这个增广拉格朗日函数的特点,把模式搜索方法运用在构造的算法中,并证明了算法的收敛性。(本文来源于《科技通报》期刊2016年05期）
郑雪莲[7]（2015）在《Filter方法在不等式约束优化问题中的应用》一文中研究指出用filter方法取代罚函数进行线性搜索,又利用序列线性方程组获得搜索方向,使得迭代点能够保证目标函数或约束函数充分下降,在一定假设条件下可以收敛到原问题的最优解。(本文来源于《科技视界》期刊2015年24期）
王学永[8]（2015）在《变分不等式与线性约束分离优化问题的若干算法研究》一文中研究指出本文主要研究求解变分不等式的投影算法和求解线性约束分离优化问题的交替方向法。全文共分七章,具体内容如下:第一章,首先介绍解变分不等式以及非线性方程组投影算法、解线性约束分离优化问题以及多集合分离可行问题交替方向法的国内外研究现状。然后阐述本文的选题动机和主要工作。第二章,介绍算法分析所需的定义、概念和性质,以及算法好坏的评价标准。第叁章,研究求解非线性方程组的投影算法。以共轭梯度法为主要框架构造投影算法。借助自适应技巧,它可以避免共轭梯度法可能连续产生较小步长,影响算法收敛速度的缺陷。本章中算法继承了共轭梯度法、投影算法和自适应算法的优点。数值实验表明算法是有效的,适合求解非线性方程组。第四章,研究求解变分不等式的投影算法。本章研究带复杂约束集的变分不等式。首先借助超平面将当前迭代点与解集严格分离,降低了投影算子的计算难度。建立超平面的过程需要一次投影计算和一次Armijo步长规则。最后利用凸组合的技巧得到新的迭代点。数值实验表明算法是稳定的和有效的,适合求解约束集较复杂的变分不等式。第五章,研究求解多集合分离可行问题的交替方向法。借助罚函数,我们设计出具有全局收敛性的算法。算法中的罚参数动态调整,降低了数值实验时选取初始罚参数的难度。数值实验表明算法是有效的,适合求解多集合分离可行问题。第六章,研究求解线性约束非凸优化问题的交替方向法。借助非凸函数的Kurdyka-?ojasiewicz性质,我们证明了算法的收敛性。在适当的假设条件下,我们证明了算法的局部收敛全局最优性。数值实验表明算法是有效的,适合求解线性约束非凸优化问题。第七章,总结本文的内容,并提出一些今后准备思考的问题。(本文来源于《重庆大学》期刊2015-03-01）
任志明,姜冬菊,李磊,丁侦原[9]（2014）在《MA对偶-信赖域算法在非线性不等式约束优化问题中的应用研究》一文中研究指出针对含有非线性不等式约束条件的优化问题,提出了MA对偶-信赖域算法。在每次迭代过程中,基于信赖域方法和问题的逼近属性,构造了原优化问题中目标函数和约束函数的移动渐进线函数,由此建立简单的子优化问题。运用对偶方法求解子问题得到原优化问题的下降方向,再用线搜索方法取得搜索步长,最后得到下一步的迭代点。应用数学推理证明了该算法的全局收敛性。以悬臂梁最小柔度问题为例,应用MA对偶-信赖域算法对优化问题进行了求解,数值算例的结果表明,MA对偶-信赖域算法在求解非线性约束优化问题时比MMA和GCMMA算法的迭代次数少,收敛速度快。(本文来源于《应用力学学报》期刊2014年05期）
吴庆丰[10]（2014）在《一种求解不等式约束凸优化问题的内点方法》一文中研究指出文章给出一种求解不等式约束的凸优化问题的内点方法,此法能保证迭代过程中迭代点仍为内点,解决了IPA每步迭代需要假定迭代点在可行域内部,并不需要罚因子趋于零,从而避免传统内点障碍函数法由于罚因子趋于零导致的病态问题.最后给出了数值实验,实验表明,算法是有效的.(本文来源于《淮北师范大学学报(自然科学版)》期刊2014年01期）
不等式约束优化问题论文开题报告
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
利用可行信赖域方法和滤子方法的思想,建立了一个新的求解不等式约束优化问题的算法;算法利用修正的二次规划子问题获得可行搜索方向,当迭代点不能被滤子接受时对搜索方向进行修正,并减小信赖域半径。算法既保证了QP子问题的可行性,又在一定程度上简化了算法结构;在合适的条件下,证明了算法具有全局收敛性。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
不等式约束优化问题论文参考文献
[1].罗福,姚奕荣.非线性不等式约束优化问题叁角型精确罚函数算法[J].应用数学与计算数学学报.2018
[2].王祥玲,左双勇.不等式约束优化问题的可行信赖域滤子法[J].保山学院学报.2018
[3].孟思彤.不等式约束优化问题的目标罚函数法的光滑化研究[D].曲阜师范大学.2018
[4].杨莲,姚奕荣.非线性不等式约束优化问题的指数型精确罚函数算法[J].上海大学学报(自然科学版).2017
[5].喻昕,许治健,陈昭蓉,徐辰华.拉格朗日神经网络解决带等式和不等式约束的非光滑非凸优化问题[J].电子与信息学报.2017
[6].冯爱芬.基于模式搜索方法的解不等式约束优化问题的算法设计[J].科技通报.2016
[7].郑雪莲.Filter方法在不等式约束优化问题中的应用[J].科技视界.2015
[8].王学永.变分不等式与线性约束分离优化问题的若干算法研究[D].重庆大学.2015
[9].任志明,姜冬菊,李磊,丁侦原.MA对偶-信赖域算法在非线性不等式约束优化问题中的应用研究[J].应用力学学报.2014
[10].吴庆丰.一种求解不等式约束凸优化问题的内点方法[J].淮北师范大学学报(自然科学版).2014
论文知识图
