论文部分内容阅读
非线性规划问题(Nonlinear Programming,缩写为NLP)是运筹学的一个重要分支.它不仅在现实经济分析、机械结构设计、交通运输规划、后勤供应中有着广泛的应用,而且还与结构力学、生命科学、环境科学等其他科学研究领域有着密切的联系.所以,研究非线性规划问题異有重要的理论价值和实用价值. 本文提出两个求解非线性不等式约束和一般约束优化问题的序列二次规划(SQP)算法,異体的研究成果包括如下两个方面: 第一部分:讨论了不等式约束非线性优化问题.采用积极集估计技术,提出了一个可行下降的序列二次规划(SQP)算法.每次迭代过程中,仅需求解一个包含积极约束指标集的二次规划获得主搜索方向.通过合理组合,得到了求解不等式约束问题的一个可行下降方向.克服Maratos效应的高阶校正方向通过求解一个含积极约束指标集的线性方程组获得.在无严格互补条件下,得到了算法的全局收敛性和超线性收敛性定理,并在计算机软件上对算法进行了数值实验,实验结果表明该算法是有效的. 第二部分:对一般约束非线性优化问题进行研究.通过引入适当的参数,将一般约束优化问题转化为带参数的不等式约束问题.当初始点可行时,仅需求解一个二次规划获得搜索方向;当初始点不可行时,借助广义MFCQ,搜索方向通过求解一个线性规划获得,从而克服了二次规划子问题的不相容性.为避免M aratos效应,通过求解含约束指标集的线性方程组获得高阶校正步.在一些适当的假设条件下,证明了算法異有全局收敛和超线性收敛性质,而文献提出的S Q P算法不異有超线性收敛性质.最后,利用 MATLAB软件对算法进行了数值实验,实验结果表明该算法是可行的。