具有补偿的两阶段随机二阶锥规划问题的一个等价形式

确定的二阶锥规划(DSOCP)是一类凸优化问题,为处理DSOCP的数据的不确定性,具有补偿的随机二阶锥规划问题备受关注.有许多重要的实际问题,如随机欧几里得设施位置问题、具有损失风险约束的投资组合优化问题、最优覆盖随机椭球问题等均可建模为具有补偿的随机二阶锥规划问题,有效求解方法多为内点法.讨论具有补偿的随机两阶段二阶锥规划问题,在Slater约束规范条件下,探讨了第二阶段问题的对偶问题及最优值函数的次微分性质,在随机变量的概率分布具有有限支撑的条件下,给出了两阶段随机二阶锥规划问题的一个等价的线性二阶锥规划问题.     

二阶锥规划的Lagrange对偶及2维原始对偶单纯形法

目前对二阶锥规划算法的研究是数学规划领域的研究热点之一,在这方面的研究成果初具规模.文中着重研究两方面问题:一是详细推导二阶锥规划的Lagrange对偶问题;二是将2维二阶锥规划(即二阶锥约束都是2维的,但自变量的总维数是2r维的,r表示二阶锥约束的个数)转化成相应的标准形线性规划,给出其原始对偶单纯形法,并举例说明算法的应用,最后进行部分灵敏度分析.这一工作基本完善了2维二阶锥规划的单纯形类方法,即至此,2维二阶锥规划的原始单纯形法、对偶单纯形法和原始对偶单纯形法的理论已较完善.其他拓广的单纯形类方法可在将2维二阶锥规划转化成相应的标准形线性规划之后对应线性规划的拓广单纯形类方法直接得到.     

线性二阶锥权互补问题的非精确非单调光滑化牛顿法

针对线性二阶锥权互补问题, 提出一种新的非精确非单调光滑化牛顿法. 首先, 基于新的含参数光滑函数, 将线性二阶锥权互补问题转化为一个光滑方程组; 然后, 给出求解该方程组的新非精确非单调光滑化牛顿法; 最后, 在半正定矩阵假设下, 证明该算法全局收敛和局部超线性收敛. 数值结果表明, 该算法稳定、 有效.     

2维二阶锥规划的对偶单纯形法

详细介绍了将2维二阶锥规划问题转换成线性规划问题的过程并得到了两问题间的一些重要关系. 通过用对偶单纯形法求解线性规划问题来最终解决原2维二阶锥规划问题,最后做了部分的灵敏度分析.这些将为研究低维的二阶锥规划问题提供多一类便捷的计算方法.     

求解随机二阶锥线性互补问题的一种光滑化SAA方法

研究了随机二阶锥线性互补问题的收敛性问题并基于收敛性分析进行了数值实验.文章利用Chen-Harker-Kanzow-Smale(CHKS)光滑函数和SAA方法,提出了求解随机二阶锥线性互补问题的光滑化SAA方法.基于P性质,建立了收敛性分析,然后通过数值实验验证了算法的有效性.     

随机二阶锥互补约束优化模型的一般光滑化SAA方法

讨论一般随机二阶锥互补约束问题的求解算法.为处理模型中的不确定性，算法采用样本平均近似(SAA)抽样技术.不同于之前的工作，设计了一般光滑化SAA算法框架，可以在满足要求的一类光滑化函数中根据需要进行选择，从而构造光滑化SAA算法，并保证收敛性.具体的，若SOCMPCC线性无关约束规范等条件成立，则算法构造子问题的稳定点和最优解分别以概率1收敛到原问题的C稳定点和最优解.最后具体给出两个光滑化函数与其对应光滑化SAA算法的例子，由一般光滑化算法框架可得这两种算法收敛.     

具有离散分布的两阶段随机二阶锥规划问题的最优性条件

主要探讨两阶段随机二阶锥规划问题的最优性条件.首先,基于Lagrange对偶理论,建立了第二阶段随机二阶锥规划问题的对偶问题,并分析了最优值函数的次微分性质;其次,当随机数据的概率分布具有有限支撑时,讨论了期望补偿函数的次微分性质;最后,给出了具有离散分布的两阶段随机二阶锥规划问题的最优性条件.     

一类非光滑锥约束规划问题的混合对偶

研究了非光滑锥约束规划问题的混合对偶模型的弱对偶、强对偶和逆对偶结果.在K-广义不变凸性、K-广义伪不变凸性条件下证明了两个弱对偶定理;在K-广义不变凸性条件下,利用广义Slater约束规格给出了强对偶定理;在K-非光滑不变凸性和非光滑伪不变凸性下研究了该类模型的逆对偶定理.     

具有离散分布的两阶段随机二阶锥规划问题的最优性条件

两阶段随机二阶锥规划模型在工程和生产等许多实际问题中有广泛的应用,该模型的有效求解方法备受关注.最优性条件在算法设计中扮演着重要的角色.基于Lagrange对偶理论,主要探讨具有离散分布的两阶段随机二阶锥规划问题的最优性条件.在Slater条件下,建立了第二阶段问题的对偶问题并分析了最优值函数的次微分性质;当随机数据服从离散分布时,证明了两阶段随机二阶锥规划问题的最优性条件.     

线性两比式和的全局优化新算法

对线性两比式和这一非凸NP-困难的优化问题提出新的全局优化算法.首先把原问题等价地转化为一维参数优化问题.设计了巧妙的下界估计方法,在此基础上提出相应的分支定界算法,该算法最坏情况下可需要O(1/ε)迭代步以求得ε-近似全局最优解.数值结果表明,提出的新算法优于商业软件包BARON.此外,针对线性两比式和问题的一个具有隐凸性(等价于一个二阶锥规划)的应用特例,分支定界算法比基于CVX平台调用SDPT3求解相应的二阶锥规划等价模型效率更高.     

一类求解退化凸二次规划的投影神经网络

借助变分不等式和Kuhn—Tucker条件,构造了一类投影神经网络求解线性约束的退化凸二次规划问题．与已有的求解退化凸规划问题的神经网络系统相比,系统的适用范围更广;在理论方面,系统是全局收敛的;数值实例显示了所得结论的有效性和正确性．     

一个求解二阶锥变分不等式问题的神经网络

本文提出了一个神经网络算法,以求解二阶锥变分不等式（SOCCVI）问题．该算法利用一个光滑化Fischer-Burmeister(FB)函数处理问题对应的KKT条件,将其转化为一个无约束优化问题．利用Lyapunov方法本文证明,在给定的条件下,该神经网络Lyapunov稳定,渐近稳定且指数稳定．数值模拟验证了该神经网络的运算效果．     

一类互补约束优化问题的一个扰动方法的收敛性

互补约束优化问题是一类重要的最优化问题,在科学和工程中有着重要的应用.交通规划的道路扩容问题,经济学领域的DICE模型都是互补约束优化问题.这类问题因为约束集合不满足通常的约束规范而不能用传统的非线性规划方法处理,往往用光滑近似的方法来克服这一困难.考虑一类互补约束优化问题的基于光滑化Fischer-Burmeister函数的扰动方法.证明了当光滑化参数μ↘0时扰动问题的值收敛到原问题的最优值,扰动问题的最优解集合的外极限包含在问题最优解集合中.说明扰动问题很容易满足通常的约束规范,并给出扰动问题的一阶必要性最优条件和二阶充分性最优条件.     

二阶锥互补问题的一类效益函数与全局误差界

二阶锥互补问题的一种常用解决方法是将它转化为某一效益函数的无约束极小化问题进行求解,效益函数的选取对这种方法的有效性起着很重要的作用．为此提出了二阶锥互补问题的一类效益函数,这类效益函数具有一些很好的性质．在某些条件下,基于这类效益函数建立了二阶锥互补问题解的一个全局误差界及这类函数的水平有界性．另外,还给出了这类效益函数的两个具体函数。并证明了这两个函数满足这些条件．     

互补状态约束系统与微分包含的等价性研究

讨论了带有互补状态约束的控制系统与微分包含的等价性.利用凸分析分别讨论了带有线性等式的状态约束和状态约束函数为非光滑凸函数的互补状态约束系统与微分包含的等价问题.在两种不同的状态约束条件下,可以通过构造不同的切锥和法锥来解决具体问题.     

含分布电源配电网多时段线性化二阶锥松弛算法研究

针对分布式电源接入配电网影响系统电压分布和潮流分析、造成系统电能质量下降的问题,建立系统优化模型,对系统电压、潮流进行分析与优化,提出含分布式电源的配电网多时段线性化二阶锥松弛优化算法。对分布式电源接入的配电网进行潮流分析,建立分布式配电网最优潮流优化模型;对分布式配电网潮流优化模型进行简化处理,针对潮流分析中非凸非线性,提出多时段二阶锥松弛优化算法;针对电容器组、有载调压变压器的非凸非线性问题,进行分段线性化处理。仿真结果表明,提出的算法能合理调度有载调压变压器、电容器组和分布电源的出力,有效降低网损,减小电网电压偏差。     

A Neural Network Method for Reliability Optimizations of Complex Systems

0 Introduction The reliability has become a key factor in the design and operation of complex systems[1]. In general, the de- sign of a system involves numerous discrete choices among available component types based on reliability, cost, performance etc. …     

向量优化问题严格有效性的二阶最优性条件

 利用约束集的相依锥以及线性锥,结合凸集分离定理,在适当的正则性条件下得到了一类带字典序的向量优化问题的Lagrange乘子法则,并在此基础上提出了Lagrangian函数的概念.同时,利用Lagrangian函数建立了向量优化问题严格有效性的二阶最优性条件.     

基于正则约束的分层仿射图神经网络文本分类模型

文本分类是自然语言处理中一个重要的研究课题。近年来，图神经网络（graph neural network，GNN）在这一典型任务中取得了良好的效果。目前基于图结构的文本分类方法存在边噪声和节点噪声干扰、缺乏文本层次信息和位置信息等问题。为了解决这些问题，提出了一种基于正则约束的分层仿射图神经网络文本分类模型Text-HARC，该模型融合了图注意力网络（graph attention network，GAT）与门控图神经网络（gated graph neural network，GGNN），引入正则约束过滤节点与边噪声，分别使用仿射模块与相对位置编码补充词语表示。通过实验，该方法在TREC、SST1、SST2、R8四个基准数据集上的准确率提升明显，消融实验结果也验证了该方法的有效性。