一类线性约束下不可微最优化问题的可行下降方法  

A Feasible Descent Method for a Class of Linearly Constrained Nondifferentiable Optimization Problems

作　　者：孙小玲[1] 张连生[1] 

机构地区：[1]上海大学理学院数学系,上海201800

出　　处：《应用数学与计算数学学报》1995年第1期18-25,共8页Communication on Applied Mathematics and Computation

基　　金：国家自然科学基金资助项目

摘　　要：本文给出了一类线性约束下不可微最优化问题的可行下降方法。这类问题的目标函数是凸函数和可微函数的合成函数。算法通过解系列二次规划寻找可行下降方向。新的迭代点由不精确线搜索产生。在较弱的条件下,我们证明了算法的全局收敛性。This paper presents a feasible descent method for a class of linearly constrained nondiffer-entiable optimisation problems, whose objective function is composited by a convex function and differentiable functions. The method finds the feasible descent directions by solving successive quadratic programming, and obtains new iteration points by inexact line search. Under weaker assumptions, we prove the global convergence properties of the method.

关 键 词：不可微最优化 线性约束 全局收敛 可行下降法 

分 类 号：O224[理学—运筹学与控制论]