.png){kind=icon}
返回
A line-search filter adaptive regularization algorithm using cubics based on affine scaling interior-point methods for constrained optimization
.png){kind=icon}
PRE
AI
DOI：10.1007/s40314-026-03697-2.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
本文提出了一种基于仿射尺度内点法的三次线搜索滤波自适应正则化算法，用于求解具有变量非负约束的非线性等式约束规划问题。在每次迭代中，引入适当的仿射尺度矩阵，基于问题的最优性条件构造带有线性化约束的仿射尺度子问题，这在本质上与序列二次优化方法一致。为计算搜索方向，采用复合步方法和降维Hessian方法处理线性化约束。随后得到一个标准的无约束ARC子问题，其（近似）解可提供足够下降以保障收敛性。采用边界比例规则确保每迭代点的严格可行（对于变量非负约束）。在获得搜索方向后，使用线搜索滤波技术确定新的迭代点。正则化参数根据目标函数下降量与模型下降量的比值进行更新。在适当假设下，证明了算法的全局收敛性，并给出了初步的数值结果。
Keyword:
Constrained optimization
Adaptive cubic regularization
Line-search filter method
Affine scaling
Interior-point method
Global convergence
期刊
C
IF:
0
论文数:
266
被引数:
0
机构
引用论文
Cubic Regularization Methods with Second-Order Complexity Guarantee Based on a New Subproblem Reformulation基于新子问题重述的具有二阶复杂度保证的立方正则化方法
.png){kind=icon}
PREAI
分享收藏
A filter sequential adaptive cubic regularization algorithm for nonlinear constrained optimization一种用于非线性约束优化的滤波序列自适应三次正则化算法
PREAI
分享收藏
A Line-Search Algorithm Inspired by the Adaptive Cubic Regularization Framework and Complexity Analysis一种受自适应三次正则化框架和复杂性分析启发的线搜索算法
PREAI
分享收藏
查看更多内容