对数障碍函数方法是文献中非常流行的求解不等式约束优化问题的序列无约束优化方法。众所周知,对数障碍函数在线性规划与线性半定规划的内点方法中起着重要的作用。但是,在传统的对数障碍函数方法的收敛性分析中,往往要求要精确求解子问题或障碍函数的梯度要满足一苛刻的条件,这导致在实际计算中耗费大量的计算量。为克服这一缺点,笔者给出求解约束优化问题minx∈瓗n+f(x)的一个对数障碍函数方法。该方法根据对数障碍函数的梯度的范数校正惩罚参数,不需要精确求解每一对数障碍函数的极小点。这一惩罚参数的校正规则保证在求解子问题时
