A primal-dual trust-region algorithm for non-convex nonlinear programming

Andy Conn, Nick Gould, Dominique Orban, Philippe Toint

    Résultats de recherche: Contribution à un journal/une revueArticleRevue par des pairs

    96 Téléchargements (Pure)

    Résumé

    A new primal-dual algorithm is proposed for the minimization of non-convex objective functions subject to general inequality and linear equality constraints. The method uses a primal-dual trust-region model to ensure descent on a suitable merit function. Convergence is proved to second-order critical points from arbitrary starting points. Numerical results are presented for general quadratic programs.
    langue originaleAnglais
    Pages (de - à)215-249
    Nombre de pages35
    journalMathematical Programming
    Volume87
    Numéro de publication2
    Etat de la publicationPublié - 1 avr. 2000

    Empreinte digitale

    Examiner les sujets de recherche de « A primal-dual trust-region algorithm for non-convex nonlinear programming ». Ensemble, ils forment une empreinte digitale unique.

    Contient cette citation