约束优化问题的新的增强拉格朗日目标惩罚函数

本文研究了约束优化问题的一种新的扩充拉格朗日罚函数。 证明了增广的拉格朗日目标惩罚函数对约束优化问题的双重性质。 在某些条件下,扩展的拉格朗日目标惩罚函数的鞍点满足一阶Karush-Kuhn-Tucker(KKT)条件。 特别是,当KKT条件满足凸编程时,其鞍点存在。 基于增强的拉格朗日客观罚函数,开发了一种求解不等式约束优化问题的全局解的算法,并在一定条件下证明了其全局收敛性。