Regularized Interior Point Methods for Constrained Optimization and Control
正则化方法和内点方法为解决控制应用中的约束非线性最优化问题提供了有价值的前景。本文讨论了这些技术之间的相互作用,并提出了一种算法,协同结合起来。建立一系列密切相关的子问题,并近似地解决每个问题,这种方法固有地利用了热启动,提前终止,并有可能采用针对特定问题结构的子求解器。此外,通过放松等式约束与邻近的惩罚,正则化的子问题是可行的,并满足强约束规格的建设,允许安全使用高效的求解器。我们展示了正则化如何使底层线性代数受益,详细的收敛性分析表明极限点倾向于最小化约束违反并满足合适的最优性条件。最后,我们报告的数值结果的鲁棒性,表明相结合的方法相比,毫不逊色于两个内点和增广拉格朗日代码。
2022-10-28 math.OC
An Interior-Point Algorithm for Continuous Nonlinearly Constrained Optimization with Noisy Function and Derivative Evaluations
本文针对仅能获取含噪声函数及导数值的连续非线性约束优化问题,提出一种结合现有内点算法与噪声优化算法的新内点算法,证明其能将平稳性度量降至噪声界相关阈值以下,且数值实验验证了其广泛有效性。
2025-02-16 cs.NA math.NA math.OC
Interior Point Method for Dynamic Constrained Optimization in Continuous Time
本文考虑一类凸优化问题,其中的目标函数和约束条件都是连续变化的。我们的目标是开发一种算法来跟踪最优解,因为它不断变化,随着时间的推移内或边界上的动态可行集。我们开发了一个内点方法,渐近成功地跟踪这个最佳点在非平稳设置。该方法利用时变约束松弛和预测校正结构,该结构依赖于函数和约束的时间导数以及空间域中的牛顿步骤。在对最优化问题和目标及约束条件的时间可微性的常规假设下,保证了无误差跟踪。该方法的有效性说明在一个问题,涉及多个代理跟踪多个目标。
2015-10-05 math.OC
An interior-point trust-region method for nonsmooth regularized bound-constrained optimization
针对非光滑正则化界约束优化,提出迭代求解无约束非光滑障碍子问题的内点信赖域方法,证明全局收敛性,并在两组问题上以更少评估取得更优目标值。
2024-02-28 math.OC
A penalty-interior point method combined with MADS for equality and inequality constrained optimization
Polytechnique Montréal(蒙特利尔理工学院);“Sapienza” University of Rome(罗马大学);NOVA University of Lisbon(里斯本新大学)
本文提出了一种结合MADS的罚函数-内点法,用于解决具有等式和不等式约束的非光滑黑箱优化问题,通过改进的罚函数和障碍项策略提升求解效率。
2026-01-28 math.OC
An interior subgradient and a proximal linearized method for DC programming
本文研究了一类DC(凸函数的差分)约束极小化问题的内次梯度法和逼近方法的收敛性。
2020-03-09 math.OC
A computationally efficient arc-search interior-point algorithm for nonlinear constrained optimization
本文提出一种计算高效的非线性约束优化弧搜索内点算法,利用二阶导数构造搜索弧,通过复用首个线性方程组的矩阵分解降低计算成本,证明了收敛性且初步测试验证了其优势。
2025-01-06 math.OC
A scaled conjugate gradient based direct search algorithm for high dimensional box constrained derivative free optimization
在这项工作中,我们提出了一个有效的方法来解决盒约束导数自由最优化问题涉及高维。所提出的方法依赖于探索可行域使用直接搜索方法的基础上缩放共轭梯度与二次插值模型。对不同维数的试验问题进行了大量的数值计算,结果表明所提出的无导数优化方法具有良好的性能。
2019-01-16 math.OC
On the Differentiability of the Primal-Dual Interior-Point Method
针对原对偶内点法在主动不等式约束下导数不连续的问题,提出对数屏障松弛技术结合始终可行的ℓ₁惩罚凸二次规划求解算法,实现可并行的光滑可微求解器,已在机器人任务验证并开源JAX实现。
2024-06-18 math.OC
Approximate solution of system of equations arising in interior-point methods for bound-constrained optimization
针对界约束优化内点法的牛顿系统求解权衡问题,提出基于有效/无效约束启发式估计的部分与完全近似解,及两种含部分近似解中间步骤的类牛顿法,给出理论误差界与数值验证结果。
2020-11-15 math.OC
A primal-dual interior point trust region method for second-order stationary points of Riemannian inequality-constrained optimization problems
Graduate School of Information Science and Technology, The University of Tokyo(东京大学大学院信息理工学系研究科);Center for Advanced Intelligence Project, RIKEN(理化学研究所先进智能项目中心);Faculty of Science and Technology, Seikei University(立教大学理学部)
本文提出了一种用于黎曼不等式约束优化问题的对偶内点信赖域方法,证明其全局收敛性,并在非线性不等约束下具有二次收敛性。
2026-05-10 math.OC
SOLNP+: A Derivative-Free Solver for Constrained Nonlinear Optimization
SOLNP+是一个用于约束非线性最优化的无导数求解器。本文从叶叶1989年提出的SOLNP算法出发,其主要思想是用有限差分逼近梯度。我们将隐式过滤,新的重新启动机制和现代二次规划求解器到这个新版本的ANSI C实现的技术。该算法在运行时间和噪声下的鲁棒性方面比MATLAB的最新版本有很大的优势。SOLNP+可从https://github.com/COPT-Public/SOLNP_plus免费下载。
2022-10-13 math.OC
A Feasible Method for Constrained Derivative-Free Optimization
本文提出一种在目标函数导数不可用但约束导数已知时求解约束优化的方法,通过插值构建二次模型并在信赖域约束下计算步长,数值结果验证了其潜力。
2024-02-19 math.OC
A trust-region method for derivative-free nonlinear constrained stochastic optimization
在这项工作中,我们介绍了随机非线性约束无导数最优化方法(S)NOWPAC(随机非线性最优化路径增广约束)。该方法扩展了无导数优化器NOWPAC适用于不确定性下的优化。它是基于一个置信域框架,利用本地完全二次代理模型结合高斯过程代理,以减轻噪音的目标函数和约束评估。我们展示了我们的算法的性能从CUTEst基准套件的各种强大的最优化问题通过比较其他国家的最先进的最优化方法。虽然我们专注于强大的优化基准问题,以证明(S)NOWPAC的能力,优化器可以适用于广泛的应用在非线性约束随机最优化。
2022-01-21 math.OC
Model Construction for Convex-Constrained Derivative-Free Optimization
本文针对凸约束无导数优化(DFO)中仅采样可行点难以达到标准精度的问题,提出适用于线性回归和欠定二次插值模型的新的逼近理论,扩展了已有凸约束线性插值理论。
2024-03-22 math.OC
Derivative-free methods for mixed-integer nonsmooth constrained optimization
在本文中,我们考虑混合整数非光滑约束最优化问题,其目标/约束函数仅作为黑盒零阶预言机的输出(即,不提供衍生信息的Oracle),并且我们提出了一种新的基于无衍生的线搜索的算法框架来适当地处理这些问题。我们首先描述了一个计划,结合了密集的方向序列(处理的非光滑的目标函数)与原始方向(处理离散变量)的约束问题。然后,我们嵌入一个精确的惩罚方法,该计划适当地管理非线性(可能是非光滑的)约束。我们分析了所提出的算法对稳定点的整体收敛特性,我们报告了一组混合整数测试问题的大量数值经验的结果。
2021-07-01 math.OC
Directional derivative of the value function for parametric set-constrained optimization problems
本文针对扰动下的一般参数集约束优化问题,推导值函数的Dini方向导数上下估计与Hadamard方向可微性条件,无需集合凸性,在参数非线性规划中以更弱正则条件和更小的方向解集改进了经典结果。
2023-11-06 math.OC
Primal-dual interior-point algorithm for linearly constrained convex optimization based on a parametric algebraic transformation
本文提出一种基于参数代数变换的全牛顿步内点算法,用于线性约束凸优化,推广了Kheirfam和Nasrollahi的工作,并证明了算法的多项式复杂度界。
2024-03-18 cs.NA math.NA math.OC
COBALT: COnstrained Bayesian optimizAtion of computationaLly expensive grey-box models exploiting derivaTive information
许多工程问题涉及计算昂贵的模型,衍生信息是不容易获得的优化。贝叶斯优化(BO)框架是一个特别有前途的方法来解决这些问题,它使用高斯过程(GP)模型和预期的效用函数系统的开发和探索的设计空间之间的权衡。然而,BO从根本上受到黑盒模型假设的限制,该假设没有考虑任何潜在的问题结构。在本文中,我们提出了一种新的算法,COBALT,约束灰箱最优化问题,结合多元GP模型与一种新的约束预期效用函数,其结构可以利用国家的最先进的非线性规划求解器。COBALT相比,传统的BO的七个测试问题,包括校准的基因组规模的生物反应器模型的实验数据。总体而言,COBALT在无约束和约束测试问题上都表现出非常有前途的性能。
2022-02-08 math.OC
Single-Loop Deterministic and Stochastic Interior-Point Algorithms for Nonlinearly Constrained Optimization
Lehigh University(里海大学)
本文提出一种单环内点算法框架,通过使用随机梯度估计并摒弃目标函数值,解决了非线性约束连续优化问题,并在确定性与随机设定下提供了收敛性保证。
2024-08-29 cs.LG math.OC
A derivative-free regularization algorithm for equality constrained nonlinear least squares problems
针对目标函数和约束雅可比矩阵不可用或计算昂贵的等式约束非线性最小二乘问题,提出基于正交球面平滑近似雅可比矩阵的无导数正则化算法,证明其能以任意高概率找到近似KKT点或几乎必然收敛到约束违反平稳点。
2025-07-08 math.OC
Distributed Interior-point Method for Loosely Coupled Problems
本文提出了求解松耦合无约束和约束最优化问题的分布式算法。这些问题通常使用基于分解和一阶方法的组合的算法来解决。这些算法通常非常慢,需要多次迭代才能收敛。为了缓解这个问题,我们提出了算法,结合牛顿和内点的方法与邻近分裂方法来解决这些问题。特别地,用于求解无约束松耦合问题的算法基于牛顿法并且利用邻近分裂来分配用于在每次迭代中计算牛顿步长的计算。将该算法与内点法相结合,提出了求解约束松耦合问题的分布式算法。我们还提供了如何有效地实现所提出的方法的指导方针,并简要讨论了所得到的解决方案的属性。
2013-12-19 math.OC
On the asymptotic behavior of a higher-order extrapolation primal-dual interior-point method for nonlinear programming
本文研究非线性规划原始-对偶内点法中利用高阶导数信息进行轨迹外推的渐近收敛行为,证明足够高阶时仅靠外推即可达到障碍参数减小速率,并给出二次规划数值验证。
2025-07-02 math.OC
Anderson acceleration of derivative-free projection methods for constrained monotone nonlinear equations
College of Science, National University of Defense Technology(国防科技大学理学院)
本文提出一种基于安德森加速的无导数投影方法,用于求解约束单调非线性方程,证明了其全局收敛性和线性收敛速率,并通过实验验证了其有效性。
2025-05-07 math.OC
An Inexact Feasible Quantum Interior Point Method for Linearly Constrained Quadratic Optimization
量子线性系统算法(QLSA)具有加速依赖于求解线性系的算法的潜力。内点方法是求解最优化问题的一类基本的多项式时间算法。IPM在每次迭代时求解牛顿线性系以找到搜索方向,因此QLSA可以潜在地加速IPM。由于当代量子计算机中的噪声,这种量子辅助IPM(QIPM)仅允许牛顿线性系的不精确解。通常,不精确的搜索方向会导致不可行的解决方案。在我们的工作中,我们提出了一个不精确可行的QIPM(IF-QIPM),并显示其在解决线性约束二次最优化问题的优势。我们还将该算法应用到$\ell_1$ -范数软间隔支持向量机(SVM)问题,并获得最佳的复杂度对维数的依赖。这个复杂性界优于任何现有的产生经典解的经典或量子算法。
2023-01-13 math.OC quant-ph
Model-Based Derivative-Free Methods for Convex-Constrained Optimization
我们提出了一个基于模型的衍生物的自由优化方法受到一般的凸约束,我们假设是unrelaxable和访问,只有通过一个投影算子,是廉价的评估。我们证明了整体收敛和最坏情况下的复杂性的$O(ε^{-2})$迭代和非凸函数的客观评价,匹配结果的无约束的情况下。与现有方法相比,我们引入了新的,较弱的模型精度要求。结果,仅使用可行点就可以构造足够精确的插值模型。我们开发了一个全面的理论插值集管理在这个政权的线性和复合线性模型。我们实现了我们的非线性最小二乘问题的方法,并表现出较强的实用性能相比,通用求解器。
2022-03-16 math.OC
A solution for fractional PDE constrained optimization problems using reduced basis method
本文利用缩减基方法求解了一类分数阶抛物型方程所控制的PDE约束最优化问题,其中(0,1)中的β阶分数阶导数由Caputo分数阶导数定义.
2019-10-18 math.OC
A primal-dual interior-point relaxation method with global and rapidly local convergence for nonlinear programs
在求解经典的非线性障碍子问题的等价参数等式约束minimax问题的基础上,提出了求解具有一般等式和非负约束的非线性规划的一种新的原-对偶内点松弛法.在每次迭代中,我们的方法近似地解决了参数等式约束极小极大子问题的KKT系统,这避免了任何原始或对偶点是一个内点的要求。该方法在放松内点要求方面与热启动内点方法有一些相似之处,并且易于推广用于求解一般不等式约束问题。特别是,当障碍参数较小时,它有可能避免许多非线性规划的内点方法出现的干扰困难,并改善现有原始-对偶内点方法的病态性.引入了一种新的光滑化方法来发展我们的松弛法,并提高了方法的收敛性。在适当的条件下,证明了该方法的全局收敛性和局部二次收敛性。对一个许多内点方法都找不到极小值的适定问题和一组CUTEr集合中的测试问题的初步数值结果表明,我们的方法是有效的.
2022-09-02 math.OC
Complexity results and active-set identification of a derivative-free method for bound-constrained problems
Sapienza University of Rome(罗马大学);University of Rome “Tor Vergata”(罗马托尔维加特大学)
本文分析了一种针对有界约束问题的无导数线搜索方法,证明了其最坏情况复杂度与其他无导数方法相当,并展示了该方法能有限步内正确识别满足严格互补条件的主动约束。
2025-10-28 math.OC
On the Convergence of Interior-Point Methods for Bound-Constrained Nonlinear Optimization Problems with Noise
针对含噪声的边界约束优化问题,提出放宽Armijo线搜索的改进障碍法,证明其梯度收敛性并给出实用停止准则,分析了含噪声二阶导数下的局部收敛与有效集识别特性,数值实验验证了方法有效性。
2024-05-18 math.OC
Shape Derivative for Penalty-Constrained Nonsmooth-Nonconvex Optimization: Cohesive Crack Problem
研究了一类与变分不等式(VI)有关的带罚约束的非光滑非凸优化问题的形状可微性。准脆性断裂的具体问题描述了一个弹性体与巴伦布拉特粘性裂纹下的不等式条件下的非渗透的裂纹面。基于Lagrange方法,利用光滑罚函数和Lavrentiev正则化,导出了形状导数的计算公式。显式公式包含原始状态和伴随状态,并且对于寻找梯度算法的下降方向以从边界测量识别最佳裂纹形状是有用的。破坏性试验的数值例子是在2D。
2022-04-10 math.OC
A Stochastic-Gradient-based Interior-Point Algorithm for Solving Smooth Bound-Constrained Optimization Problems
Lehigh University(利哈伊大学);Czech Technical University(捷克技术大学)
提出一种基于随机梯度的内点算法,用于求解光滑有界约束优化问题,在确定性和随机性设置下均满足收敛保证,并实验证明优于投影法。
2024-03-13 cs.LG math.OC
An open-source solver for finding global solutions to constrained derivative-free optimization problems
本文提出一个名为GSDO的开源启发式求解器,通过基于径向基函数的代理近似求解受约束无导数全局优化问题,其性能与NOMAD、DE和SHGO等先进求解器相比具竞争力。
2024-04-28 math.OC
An Inexact Restoration Direct Multisearch Filter Approach to Multiobjective Constrained Derivative-free Optimization
本文提出结合非精确可行恢复的过滤方法处理DMS框架中的约束,避免计算惩罚参数,理论分析与数值实验均表明其良好性能。
2024-01-16 math.OC
Interior Point Methods and Preconditioning for PDE-Constrained Optimization Problems Involving Sparsity Terms
The University of Edinburgh(爱丁堡大学);Università degli Studi di Firenze(佛罗伦萨大学);Technische Universität Chemnitz(开姆尼茨工业大学)
本文提出了一种内点法用于解决包含稀疏项的偏微分方程约束优化问题,通过引入高效的预处理技术,提高了求解效率和鲁棒性。
2019-02-11 cs.NA math.NA math.OC
A Differentiable Interior-Point Method in Single Precision
MIT(麻省理工学院);Gridmatic
本文提出了一种适用于低精度运算的可微内点法,通过替代互补性表示,确保线性系统在谱上保持有界,从而在单精度下可靠地求解和微分优化问题。
2026-05-18 math.OC
Full-Low Evaluation Methods For Bound and Linearly Constrained Derivative-Free Optimization
本文将全-低评估框架扩展至有界与线性约束无导数优化,结合有限差分拟牛顿步与概率直接搜索步推导了收敛性,并在含噪声与非光滑的标准线性约束问题上验证了其优于单一策略的性能。
2024-06-01 math.OC
An interior point method for nonlinear optimization with a quasi-tangential subproblem
本文提出了一种求解约束优化问题的内点方法,其特点是利用了拟切线子问题。该算法继承了原始对偶内点方法和Byrd Omojokun的步长分解策略的主要思想。拟切向子问题是通过惩罚切向子问题中的零空间约束得到的。所得到的拟切向步长并不严格位于约束梯度的零空间内。我们还使用了一个线搜索信任漏斗的策略,而不是罚函数或过滤技术,全球化的方法。在标准假设下得到了整体收敛结果。
2015-09-09 math.OC
Solving Constrained Variational Inequalities via a First-order Interior Point-based Method
University of California, Berkeley(加州大学伯克利分校)
本文提出了一种求解约束变分不等式问题的边界点方法。受交替方向乘子法(ADMM)在单目标环境下的有效性的启发,我们推广ADMM推导出一阶方法cVI,我们称之为ADMM为基础的边界点法约束VI(ACVI)。我们提供收敛保证ACVI在两个一般类的问题:(i)当运营商是$ξ$ -单调,(ii)当它是单调的,一些约束是积极的,游戏不是纯粹的旋转。当运营商是,此外,L-Lipschitz的后一种情况下,我们匹配已知的下限率的间隙函数的$\mathcal{O}(1/\sqrt{K})$和$\mathcal{O}(1/K)$的最后和平均时间,分别。据我们所知,这是第一次介绍的一阶邻域点方法的一般CVI问题,具有全局收敛保证。此外,不像以前的工作在这种情况下,ACVI提供了一种手段来解决cVI的约束是不平凡的。实证分析表明,ACVI明显优于普通的一阶方法。特别是,(i)随着我们的方法从分析中心接近解决方案,周期性行为显着减少,以及(ii)与基于投影的方法不同,ACVI在接近约束时会出现锯齿形,有效地处理了约束。
2023-03-04 cs.LG math.OC stat.ML
Real-Time Reinforcement Learning of Constrained Markov Decision Processes with Weak Derivatives
我们提出了在线策略梯度算法计算的局部最优策略的约束,平均成本,有限状态马尔可夫决策过程。随机逼近算法需要估计成本函数相对于表征随机化策略的参数的梯度。我们提出了一个球坐标参数化,并提出了一种新的基于模拟的梯度估计方案,涉及弱导数(测量值微分)。与广泛使用的评分函数方法相比,这样的方法具有显著降低的方差。类似于神经动态规划算法(例如Q学习或时间差分法),本文提出的算法是基于模拟的,不需要明确的知识,如转移概率的基本参数。然而,不同于神经动态规划方法,这里提出的算法可以处理约束和时变参数。数值例子说明了算法的性能。这篇论文最初写于2004年。我们现在把它放在arxiv上的一个原因是,分数函数梯度估计器继续在在线强化学习文献中使用,即使它的方差随着给定的$n$数据点(对于马尔可夫过程)的$O(n)$而增长。相比之下,弱导数估计量具有显著更小的$O(1)$方差,如本文(和其他地方)所报道的。
2018-12-15 math.OC
IPM-LSTM: A Learning-Based Interior Point Method for Solving Nonlinear Programs
本文提出 IPM-LSTM 方法,利用 LSTM 神经网络近似内点法中的线性方程组求解并用于热启动,在多种非线性规划上相比默认求解器最多减少 60% 迭代次数和 70% 求解时间。
2024-10-21 math.OC
An adaptive interior-point method with backtracking line search for convex constrained optimization
University of Pittsburgh(匹兹堡大学)
该研究针对凸约束优化问题,开发并分析了一种应用于对数障碍函数的带线搜索的正则化牛顿法,在特定条件下,从严格可行点出发,能在$\tilde{O}(\epsilon^{-2/3})$次迭代中找到$\epsilon$-近似最优解,弥补了无自和谐假设的约束凸优化方法分析的不足。
2026-07-15 cs.NA math.NA math.OC
Efficient PDE constrained shape optimization based on Steklov-Poincaré type metrics
形状流形上的PDE约束优化的最新进展是基于形状导数的Hadamard形式,即,以在所研究的形状的边界处的积分的形式,以及基于内在形状度量。从数值的角度来看,域积分形式的形状衍生物似乎很有前途,而需要一个外部度量的形状边界周围的域。本文试图协调这两种观点,采用Steklov-Poincaré型内禀度量,这是来自外部度量。基于该度量,提出了有效的形状优化算法,这也减少了分析劳动,迄今为止,在形状导数的推导。
2016-08-08 math.OC
Second-Order Strong Optimality and Second-Order Duality for Nonsmooth Constrained Multiobjective Fractional Programming Problems
本文针对实巴拿赫空间中的非光滑多目标分数规划问题,提出了二阶强最优性条件与对偶性结果,通过广义方向导数建立了蕴含强KKT条件的必要性条件及充分性条件。
2024-03-15 math.OC
Derivative-Free Bound-Constrained Optimization for Solving Structured Problems with Surrogate Models
提出一种基于代理模型的无导数边界约束优化算法,通过低成本近似函数值和回归方案利用历史数据,在化学工程最小二乘问题中优于现有DFO算法。
2024-01-02 math.OC
CLARSTA: A random subspace trust-region algorithm for convex-constrained derivative-free optimization
University of British Columbia(不列颠哥伦比亚大学)
本文提出了一种随机子空间信任区域算法,用于解决一般凸约束无导数优化问题。通过定义新的模型类和几何度量,改进了模型精度和子空间质量,实现了几乎确定的全局收敛性和最坏情况复杂度分析。
2026-09-09 math.OC
Scalable First-Order Interior Point Trust Region Algorithms for Linearly Constrained Optimization
Peking University(北京大学);Stanford University(斯坦福大学);Shanghai Institute for Mathematics and Interdisciplinary Sciences(上海数学与交叉学科研究院)
本文提出一种近似第一次顺序内部点信任区域框架,通过低秩更新维护近似投影来解决信任区域子问题计算瓶颈,提高大规模优化问题的计算效率。
2026-04-27 cs.DS math.OC
Constrained Optimization on Matrix Lie Groups via Interior-Point Method
Universidade Federal de Minas Gerais(米纳斯吉拉斯联邦大学);CEFET–MG(米纳斯吉拉斯联邦技术中心)
本文提出了一种在矩阵李群上求解约束优化问题的内点框架,通过最小李代数参数化直接操作群结构,避免冗余矩阵表示,并通过指数映射进行乘法更新,实现内在可行性与严格正性,证明了方法的二次收敛性及在SO(n)和SL(n)上的优越性。
2026-03-30 cs.SY eess.SY math.OC
Interior point methods in optimal control problems of affine systems: Convergence results and solving algorithms
本文针对控制仿射的最优控制问题提出内点方法,通过求解微分代数方程边值问题实现收敛,并给出原始及原始-对偶算法及数值验证。
2023-08-31 math.OC
A derivative-free approach to mixed integer constrained multiobjective nonsmooth optimization
在这项工作中,我们考虑多目标最优化问题与约束约束的变量和一般的非线性约束,目标和约束函数值只能通过查询一个黑盒。此外,我们考虑的情况下,一个子集的变量只能采取整数值。我们提出了一个新的基于线搜索的解决方案的方法,并表明它收敛到一组固定点的问题。对于连续变量,我们采用了一种估计帕累托前沿最近提出的文献中,并利用密集序列的搜索方向的战略。必须假设离散值的变量的子集处理使用适当修改的原始方向,以考虑到存在一个以上的目标函数。一组测试问题的数值结果与其他解决方法的比较表明,所提出的方法的可行性和效率。
2022-04-14 math.OC
A Second-Order Descent Algorithm for Nonlinear Equality Constrained Optimization
School of Mathematics and Statistics, Henan Normal University(河南师范大学数学与统计学院)
针对含一般不等式约束的优化问题,提出基于内点法的ARCBIP算法,采用向边界分数规则等技术,通过数值实验验证其性能并分析全局收敛性。
2026-10-19 math.OC
An Adaptive Cubic Regularisation Algorithm Based on Interior-Point Methods for Optimization with General Inequality Constraints
School of Mathematics and Statistics, Henan Normal University(河南师范大学数学与统计学院);Mathematics and Science College, Shanghai Normal University(上海师范大学数理学院)
本文提出基于内点法的自适应三次正则化算法,用于解决具有通用不等式约束的非线性优化问题,通过构造ARC子问题和边界规则处理线性化约束,并通过复合步法和降维Hessian方法保证全局收敛性。
2026-06-05 math.OC
Newton and interior-point methods for (constrained) nonconvex-nonconcave minmax optimization with stability and instability guarantees
本文提出修正Hessian的牛顿类方法求解非凸-非凹极小极大问题,确保仅收敛到局部极小极大点,计算时间与Hessian非零元素数近似线性。
2024-02-11 cs.SY eess.SY math.OC
Uniform Lipschitz Property of Nonnegative Derivative Constrained B-Splines and Applications to Shape Constrained Estimation
受一般非负导数约束下的形状约束估计的启发,考虑了约束函数的B-样条逼近,研究了约束B-样条估计的渐近性能.通过引用B样条理论中的一个深层次的结果(称为de Boor猜想),首先证明了A。Shardin以及其他新的分析技术,我们建立了一个关键的均匀Lipschitz性质的B-样条估计受到任意非负导数约束下的$\ell_\infty$ -范数可能非等距设计点和节点。这一性质导致了B样条估计量的重要渐近分析结果,例如,在整个区间上的一致收敛性和相合性。本文的结果不仅恢复了单调和凸逼近和估计的特殊情况,而且在一个统一的框架内处理一般的非负导数约束,并打开了大门的约束B-样条逼近和估计受到更广泛的一类形状约束。
2015-10-18 math.CA math.OC math.ST