.png){kind=icon}
返回
A Projective Sequential Adaptive Cubic Regularisation Algorithm for Constrained Optimization
.png){kind=icon}
PRE
AI
DOI：10.1007/s10255-025-0084-8.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
提出了一种使用三次样条（ARC）并结合线搜索过滤技术的投影顺序自适应正则化算法，用于求解非线性等式约束优化问题。该算法的动机源于顺序二次优化方法中处理约束的思想。在每次迭代中，构造一个受约束的ARC子问题以生成新的步长。通过使用复合步长方法和投影矩阵，我们将受约束的ARC子问题转化为标准的无约束ARC子问题。在计算出新步长后，我们采用线搜索过滤技术生成下一次迭代点。在若干温和假设下分析了全局收敛性。报告了初步的数值结果。
Keyword:
nonlinear optimization
cubic regularization
global convergence
line search filter
sequential quadratic optimization
期刊
A
IF:
0
论文数:
52
被引数:
0
机构
引用论文
.png){kind=icon}
On the Global Convergence of a Projective Trust Region Algorithm for Nonlinear Equality Constrained Optimization非线性等式约束优化中投影信赖域算法的全局收敛性
PREAI
分享收藏分享收藏
查看更多内容