A strongly sub-feasible primal-dual quasi interior-point algorithm for nonlinear inequality constrained optimization

در این مقاله، یک الگوریتم تقریبا دو طرفه برای نقاط محدود بهینه سازی شده برای نابرابری ارائه شده است. در هر تکرار، الگوریتم تنها دو یا سه سیستم کاهش یافته معادلات خطی را با ماتریس ضریب یکسان حل می کند. الگوریتم از یک نقطه اولیه دلخواه آغاز می شود. سپس بعد از تکرارهای محدود، نقاط تکرار وارد داخل منطقه قابل اجرا می شوند و تابع هدف یکنواختی را کاهش می دهد. علاوه بر این، الگوریتم پیشنهاد شده دارای همگرایی جهانی و فوق العاده خطی در شرایط خفیف از جمله فرض ضعیف از قطعیت مثبت است. در نهایت، برخی نتایج تشویقی اولیه محاسباتی گزارش شده است.