一类线性约束下不可微最优化问题的可行下降方法.pdfVIP

维普资讯 第9眷 尊1甥 应用效学与计算数学学报 Vo1．9 No．1 l9g5年6月 Co删 ．oN ^PPL．h 唧 ．AND Co UT June，1995 一 类线性约束下不可微 一 最优化问题 的可行下降方法 孙 小 玲 张 连 生 p2 (上鼻太学理学院鼓掌曩．上鼻·201800) 摘薹 奉文培 出了一类线性约柬下不可破鼍优化问题的可行下降方法．这类 同置的 目 标 函数是 凸面最和可截 函数 的音虞 函数．算法通过鼻景刊二砍规划寻找可行下降方 向．新 的遗代点 由不糟确线搜索产生．在较羁的基件下，我们l芷明了算汝的垒局收敛性． 关t词 ： ． 至!苎墨苎竺：备成函美·苎 !垡 班规划·兰 !法 3下降 ·引 言 ， 考虑下列线性约束不可微最优化问题 minF()：：^(，(z)) 8．t^￡ 5。 (L1) 这里h：R 一 R是凸函数，，= (^，… ， )，^f；= 1，… ，m)是二次连续可微函数， ^是l×N矩阵，6∈R．‘问题(1．1)是不可徽最优化 中许多重要 问题一般形式．如线性 约束极大极小问题、不可微凸规划等都是 (1．1)的特殊形式．对线性约束极大极小同逝， Mad n 提出了光滑化方法，Strodi~t[】提出了一种bundle方法．而对一般的凸规划和 半光滑规划 问题，Lemraechal[，Kiwiell，Mifflin[，Makela[叫等人都 曾提出了bundle型方 法 ． 本文根据问题 (1．1)的目标函数的结构特点，提出了一种新的基于割平面逼近的可行 下降方法，并在设有^是行蒲较的假设下，证明了该方法的全局收敛性． 。∈R 称为(L1)的Kuhn·Tucker点，如果存在 ∈ 使 0∈oF(x)十Arp， (Az一5)：0， ≥0， zs6， 这mOF(x)是F在 点的Clarke广义梯度(见 8【1)． 2．子 问题 记日(z，d)=^(，()+，(。)d)，圣(z，d)=日(d)+ IId0。，sf)= (d：^(z+d) 6) s={：Az≤5)．令 ∈s是当前迭代点，为寻找可行下降方向，考虑下列子问题 8t d、^ dFRⅣ (2．1) ． ． ^(。+ )≤5， ∈ Ⅳ． 1 J 奉文 1994年5月26日收捌． ·臣塞 自拣科学基金赍助项 目 维普资讯 1期 孙小璋．张连生：一类线性约束下不可徽最优化问题的可行下降方法 因壬(d】关于d是强凸函数且0∈s(z)．(2，1)有唯一全局解 · SI理2．1 下列条件等价： (i)￡是(1．1)的Kuhn—Tucl~er点； (il)0是(2．1)的全局解． 证明 易由Kuhn．Tucker定理及广义梯度的链式法则推出(见18]，f01)_ rn 因壬(，d)关于d一般是非线性函数，(2．1)的精确解不易求得，我们使用割平面逼近 方法来率(2．1)的近似解。考虑下面的内部迭代： Step1．任取p0∈ ，计算卯 ∈a~f(x，-)(po)，令J ={0) =1-