An SQP method for minimization of locally Lipschitz functions with nonlinear constraints

In this paper, we present a quadratic model for minimizing problems with nonconvex and nonsmooth objective and constraint functions. This method is based on sequential quadratic programming that uses an penalty function to equilibrate among the decrease of the objective function and the feasibility...

Ausführliche Beschreibung

Bibliographische Detailangaben

Veröffentlicht in:	Optimization Jg. 68; H. 4; S. 731 - 751
Hauptverfasser:	Yousefpour, Rohollah, Jafari, Elham
Format:	Journal Article
Sprache:	Englisch
Veröffentlicht:	Philadelphia Taylor & Francis 03.04.2019 Taylor & Francis LLC
Schlagworte:	Algorithms Approximation nonlinear constraint Penalty function Quadratic programming Sequential quadratic model ε-subdifferential
ISSN:	0233-1934, 1029-4945
Online-Zugang:	Volltext
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!