約束優(yōu)化問題的無懲罰型雙邊既約Hesse陣方法.pdf

1、求解非線性約束優(yōu)化問題的傳統(tǒng)方法都是借助于某個(gè)懲罰函數(shù)作為效益函數(shù)，這一類方法我們統(tǒng)稱為懲罰型方法，但懲罰型方法難以選擇適當(dāng)?shù)牧P參數(shù)，并且，罰參數(shù)過大還會導(dǎo)致問題數(shù)值上病態(tài)．因此，能否設(shè)計(jì)出不使用罰參數(shù)的新型方法即無懲罰型方法意義重大．Fletcher等人在1997年開始提出不使用罰參數(shù)的過濾方法，是目前具有代表性的無懲罰型方法，其數(shù)值試驗(yàn)結(jié)果頗為滿意，但過濾方法在每步迭代都需要存儲一個(gè)濾子集，這可能導(dǎo)致增大存儲量，因此，研究不使用濾子

2、技巧的其它無懲罰型方法同樣具有重要的理論意義和應(yīng)用價(jià)值．
　　 本文研究求解非線性等式約束優(yōu)化問題的一類新的無懲罰型方法，其主要特點(diǎn)是既不帶有罰函數(shù)，也不使用濾子技巧，為了能夠處理大型問題，本文采用雙邊既約Hesse陣方法并結(jié)合線搜索策略，使目標(biāo)函數(shù)值在約束違反度的一個(gè)合理范圍內(nèi)不斷減小，最終達(dá)到問題的最優(yōu)解．在通常的假設(shè)條件下分析了新算法的全局收斂性，并借助二階校正步來克服Maratos效應(yīng)，在合理的假設(shè)條件下分析了帶有二階校