论文部分内容阅读
本学位论文讨论带非线性不等式约束的优化问题，借鉴滤子算法的基本思想，本文提出了一个新型广义梯度投影算法.该方法既不使用罚函数也不使用严格意义下的滤子，且可以任意选取算法的初始迭代点.在迭代过程中，每一次迭代通过一个简单的显式广义投影技术产生搜索方向，步长是由目标函数值或者约束违反度函数值充分下降的新的Armijo型线搜索产生。
本文算法的主要特点是：不需要迭代序列的有界性假设；不需要传统滤子算法所必需的可行恢复阶段；使用ε积极约束集减小问题的规模和算法的计算量.在线性无关约束规格LICQ成立及其它合适的假设条件下，证明算法具有全局收敛性.最后对本文算法进行了初步的数值实验，数值实验结果表明本文提出的算法是有效的。