含噪声约束优化
最优化与控制
2021-10-12 v1
摘要
所关注的问题是在非线性等式约束下使用序列二次规划（SQP）方法最小化一个非线性函数。最小化必须在仅能观测到目标与约束函数噪声评估的情况下进行。为获得稳定性，经典 SQP 方法被修改：基于函数中噪声水平（假设已知）放宽标准 Armijo 线搜索。给出了收敛理论，给出迭代收敛到以噪声水平和问题条件数为特征的解决方案邻域的条件。该分析假设 SQP 算法不需要正则化或信赖域。数值实验表明，在涉及均匀分布噪声的问题上，放宽的线搜索改善了方法的实际性能。本工作的一个重要应用是在无导数优化领域，当使用有限差分估计梯度时。
引用
@article{arxiv.2110.04355,
title = {Constrained Optimization in the Presence of Noise},
author = {Figen Oztoprak and Richard Byrd and Jorge Nocedal},
journal= {arXiv preprint arXiv:2110.04355},
year = {2021}
}