梁卓华(山东理工大学 数学与统计学院,山东 淄博 255049)
考虑约束优化问题
s.t.fi(x)≤0,0≤i≤m,
其中,fi:Rn→R(0≤i≤m)是连续可微函数, Ω0={x∈Rn|fi(x)≤0,1≤i≤m}≠φ.
不失一般性,假设
(1)
否则,可用ef0(x)来代替f0(x).
非线性规划问题在科学管理,工程和经济管理等方面有广泛的应用.罚函数方法是解决非线性规划问题的重要方法,其主要思想是对目标函数增加惩罚项,将原问题转化为无约束优化问题.对于罚函数的研究已有很多文章[1-5].
问题(CP)的l1精确罚函数为
(2)
文献[6]中给出的光滑罚算法是基于如下形式
(3)
式中:r是一个参数;θ(·)是一类光滑凸函数.随后Wang等[8]将式(3) 中的参数β进行了改进,给出了如下光滑罚函数
(4)
本文将式(4)进行推广,给出如下形式的光滑函数
(5)
这里的f(x)=(f1(x),f2(x),…,fm(x)),σ函数是满足第2节中,A1,A2,A3的函数,然后由罚函数(5)给出了一类光滑罚算法,并证明了一个摄动定理,由此摄动定理推出了罚算法的全局收敛性.
设函数σ∶Rm→R满足如下假设:
(A1) 对∀ε>0,∃ηε>0,使得
(A2) 对ck→+(k→),存在εk→0+(k→),有
(A3) 存在常数σ0使得
σ(u)≥σ0,∀u∈Rm.
容易验证函数σ(u)=||u+||α(α≥1)及σ(u)=||u+||2-||u+||均满足假设(A1)~(A3).
命题1若假设(A2)成立,则存在σ1,对∀u≤0,都有σ(u)≤σ1.
证明由假设(A2)知,一定存在δ>0与k0使得
证毕.
对于问题(CP)给出新的罚函数
其中f(x)=(f1(x),f2(x),…,fm(x)).进一步给出基于L(x,β,r)给出一种罚算法并证明了一个摄动定理,由此摄动定理得到该算法的全局收敛性.
算法1
step0β0=1,r0=1,ω0=1,令k:=0.
step1 判定
(6)
否则,求非精确解xk满足
(7)
注 由(1)与假设(A3),对∀β>0及r>0有
因此不论式(6)是否成立,满足式(7)式的全局非精确解总是存在的,即算法总是可行的,文献[8]给出的算法,在某些情况下是不可行的,这体现了本文结果的运用具有更加广泛性.
下面研究算法的收敛性.
对于ε≥0,定义问题(CP)的松弛可行集
Ωε={x∈Rn|fi(x)≤ε,1≤i≤m}.
定义问题(CP)的摄动函数为
则问题(CP)的最优值为
设
Fε={x∈Rn|f0(x)≤θf0(ε)+ε}.
引理1算法产生的序列{rk}收敛于0.
=
(8)
对于任意充分大的k≥k0,由假设(A1)有
≥
引理2∀ε>0,存在K,当k>K时都有Sk(ε)⊆Ωε.
证明用反证法.否则∃ε0>0及无穷子列K⊂N={1,2,…}使得∀k∈K,存在zk∈Sk(ε0),zk∉Ωε0因此存在无穷子列K0⊂K,使得∀k∈K0与指标i0∈{1,2,…,m},有
fi0(zk)>ε0
(9)
则由引理1及式(9)知,对充分大的k,||f+(xk)||>ε0≥rk.
由式(9)与假设(A1),当k充分大时,有
(10)
又由step2知βk→+(k→),因此(10)式右端趋向于正无穷.
(11)
(11)式左端是有界的,这样(10)式与(11)式矛盾.证毕.
定理1(摄动定理) 设{xk}是由算法所产生的点列,则有
(12)
再取δk>0且δk→0(k→).根据下确界的定义,对每个k,存在使得
(13)
同时由于
因此得
(14)
另一方面,对∀ε>0,由引理2的证明过程知,对所有充分大的k,有
xk∈Ωε
(15)
从而,对∀ε>0,由假设及(13)-(14),有
θf0(ε)≤f0(xk)≤
令k→,于上式两端取极限,由式(12)即得.证毕.
由此定理可以得到下面推论.
推论1设{xk}是由算法所产生的点列,则它的每一个聚点都是问题(CP)的最优解.
证明由引理2,对充分大的k有
xk∈Ωε
(16)
设x*是序列{xk}的一个聚点,由fi(0≤i≤m)的连续性及式(16)即知x*∈Ωε.再据ε>0的任意性知,x*∈Ω0.
由摄动定理,有
证毕.
罚函数与精确罚函数在多个领域应用很广泛,并且起着非常重要的作用,多年来,很多学者对罚函数进行了深入研究.本文给出了一种光滑罚算法并证明了其全局收敛性.这为求解约束规划问题,提供了一个新的方法.
[1]LIU J, TEO K L, WANG X. An exact penalty function-based differential search algorithm for constrained global optimization[J]. Soft computing, 2016, 20(4): 1 305-1 313.
[2] ZHOU J, LOVE P E D, TEO K L. An exact penalty function method for optimising QAP for mulation in facility layout problem[J]. International Journal of Production Research, 2016: 55(10):2 913-2 929.
[3]GONZAGA C C,CASTILLO R A. A nonlinear programming algorithm based on non-coercive penalty functions[J].Mathematical Programming, 2003, 96(1):87-101.
[4] BOLAND N L, EBERHARD A C. On the augmented lagrangian dual for integer programming[J] . Mathematical Programming , 2015,150(2):491-509.
[5] BURACHIK R S, IUSEM A N, MELO J G. The exact penalty map for nonsmooth and nonconvex optimization[J].Optimization,2015,64(4), 717-738.
[6] WANG C Y. Global convergence and finite termination of a class of smooth penalty function algorithms[J]. Optimization Methods & Software, 2013, 28(1):1-25.
[7] WU Z Y, BAI F S, LEE H W J. Quadratic smoothing approximation to exact penalty function in global optimazation [J]. Journal of Industrial & Management Optimization, 2005, 1(4):533-547.
[8] WANG C, MA C, ZHOU J. A new class of exact penalty functions and penalty algorithms[J]. Journal of Global Optimization, 2014, 58(1):51-73.
[9] WU Z Y, BAI F S,YANG X Q. An exact lower order penalty function and its smoothing in nonlinear programming[J]. Optimization, 2004, 53(1):51-68.
[10] BEN-TAL A, TEBOULLE M. A smoothing technique for nondifferentiable optimization problems[M]. Optimization Springer Berlin Heidelberg, 1989:1-11.
[11] HUANG X X, YANG X Q. A unified augmented lagrangian approach to duality and exact penalization[J]. Mathematics of Operations Research, 2003, 28(3):533-552.