通过引入步长线性搜索，SQP算法在一定的假设条件下可以具有全局和局部超线性收敛性。然而在传统的SQP算法中，其二次规划子问题可能不相容，也就是子问题可行集是空集。 为了解决这个不足，备种技术相继被提出。特别是Panier和Tits在[9]中提出的一种可行SQP（FSQP，www.Yifanglunwen.com）算法，其保证山东科技大学硕士学位论文每次迭代都得到可行点，从而避免了上述问题。然而FSQP算法仍然要求每次迭代求解一个二次规划子问题，使得算法的复杂度和计算量仍然较大。在这种情况下便产生了对QP一free算法的研究，因为它的子问题只包含更易求解且计算量相对较小的线性系统。 1988年，panier，Tits和Herskovits在[10]中提出一种求解不等式约束优化lb]题的QP一free算法。该算法每次迭代只要求求解两个不同的线性方程组和一个线性平方问题。从那时起，QP一free算法成为非线性约束优化领域的研究热点之一。 QP一free算法具有SQP算法的一些优点，例如收敛速度快，算法结构简单等。此外它还有其它一些良好性质，例如其子问题通常只包含同系数的线性方程组，并且这些方程组在一定的假设条件下都是可解的。 然而，从理论和实用的角度来看，现有的QP一free算法仍存在两个主要问题有待解决。首先，为了确保局部快速收敛性并防止Maratos效应，严格互补松弛条件要被假设成立。然而在一般情况下，该条件很难被检验。 其次，求解等式和不等式约束优化问题的QP一free算法一般要求所有等式和有效不等式约束的梯度向量线性无关。但每当等式约束个数多于两个或者总约束个数超过空间维数时，该线性无关条件经常失效。在这种情况下，病态wachier一Biegler现象（参见[4』）就会在算法中发生。Tits等最近在〔2]中提出了一种双重内点算法，在保证收敛性质不受影响的前提下，该算法大大减弱了以上线性无关条件。 通过一段时间的发展，存在于早期QP一free算法中的一些缺点己经正在被解决。例如，起初的一些QP一free算法只能证明迭代点列的任一聚点是原问题的稳定点，在一些附加假设条件下，如所有稳定点是孤立的，才能证明这些聚点是原问题KKT点。 这个问题在Z.Gao，G.He和F.Wu的关于序列线性方程组算法的文章中得到解决。另外，一些QP一free算法的子问题线性系统在严格互补松弛条件不成立时可能出现病态。这将导致乘子逼近序列出现分歧以致收敛性失败。通过应用Fiseher一Burmeister非线性互补问题函数，H.Qi和L.Qi在【17]中对以前的QP一free算法做了有效的改进，使得迭代矩阵的一致非奇异性得到保证。在大多数QP一free算法中，其子问题的维数通常是满的。因此，当应用于大规模约束问题时，计算量会相应大大增加。Y.Yang和L.Qi在Faeehinei一FISeher一Kanzow KKT识别技术的基础上，http://www.yifanglunwen.com/post/46.html对不等式约束优化问题提出一种QP一free算法。 在其每次迭论文摘要代中，只有有效工作集中的约束参与计算。 在本文中，我们在Facchinei一Fischer一Kanzow KKT点有效约束集识别技术的基础上提出了三个具有强收敛性的QP一free算法。第一个是求解不等式约束优化问题（NLPI）的可行点算法。在该算法中我们引入如下有效约束集识别函数:。

大数据-算法-非线性约束优化问题的过滤线搜索两块校正序贯既约Hessian方法.pdf

大数据-算法-非线性约束最优化超线性收敛的模松弛强次可行方向法.pdf

大数据-算法-非线性约束最优化若干算法理论及应用研究.pdf

大数据-算法-非线性约束规划的若干算法研究.pdf

大数据-算法-非线性约束条件下SQP算法的研究.pdf

自适应模拟退火 自适应模拟退火 (ASA) 是一种 C 语言代码，用于在统计上找到成本函数中参数的最佳全局拟合。 看：

最小二乘法求解最优化问题 A solution is obtained by a Fletcher version of the Levenberg-Maquardt algoritm for minimization of a sum of squares of equation residuals.

实际工程的优化设计问题：非线性约束优化问题 优化设计问题的类型 线性规划问题 优化问题的目标函数和约束函数都是设计变量的线性函数 非线性规划问题 目标函数和约束函数不全是设计变量的线性函数 函数与变量间的关系 无约束优化问题 只有目标函数而无约束条件的优化问题 约束优化问题 有约束条件的优化问题 有无约束条件

车位检测方法研究及验证。了解超声波雷达测距原理，采用超声波雷达与车轮里程计进行车位检测。通过测位雷达测距变化特点分析车位起始点和终止点，并结合轮速信号得到车位的长度，通过测位雷达测距获得车位宽度，并通过车位检测实验验证了方法的可行性。 (2) 泊车路径规划。提出基于 B 样条理论的泊车路径规划思想，针对车位空间大小采用单步泊车或两步泊车路径规划方法。分别对两种泊车方式路径约束进行分析，建立泊车路径优化函数，最终设计出满足泊车过程多个非线性约束的易于车辆跟踪的泊车路径。 (3) 路径跟踪控制方法研究。为降低泊车系统对驾驶员车速控制要求，提出非时间参考的泊车路径跟踪控制策略。针对路径跟踪过程中，因车辆转向系统转角转速约束、车辆最小转弯半径约束、车辆行驶速度等因素导致的车辆偏离目标路径现象，提出结合过定点控制的路径跟踪控制方法，设计出非时间参考的车辆过定点控制律，并通过 Carsim 与 Simulink 联合仿真对路径跟踪策略进行验证 (4) 车辆定位方法及验证。车辆定位包括车辆初始位姿计算和车辆运动位姿计算。为提高道路两侧车位利用率，并使泊车系统更具人性化，泊车系统根据车位信息提供驾驶员多个可选择的车辆停放标准。根据驾驶员发出的车辆停放基准指令，泊车系统建立泊车空间坐标系并计算车辆初始位姿。采用基于车轮里程计的车辆定位方法计算泊车过程中车辆在泊车空间中的位姿，并通过实验对定位方法可行性进行验证。