关于非凸集的粗糙近似

本文建立了非凸集的上、下近似概念，讨论了非凸集的粗糙近似的性质。对于任何一个非凸集，可以用它的某个方向上的上、下近似凸集来逼近。最后，给出了集合的u-影子与u-方向上的粗糙近似集间的关系。     

二次约束凸规划的边际函数的一阶ε—方向导数

文(1)讨论了线性约束凸规划的边际函数的ε—可微性,本文在此基础上讨论了二次凸规划Min｛f(y)」yTAy≤x,y∈Rn,x∈R｝问题,证明了二次凸规划的边际函数φ(x)是ε—可微的,并把求φ(x)的一阶ε—方向导数的问题表示成求解一非线性规划的最优值,从而可利用非线性规划方法来确定φ(x)的一阶ε—方向导数。     

低秩半定最小二乘问题

讨论低秩半定最小二乘问题(lrSDLS)的启发式方法,并利用l0范数的光滑近似函数将(lrSDLS)中的非光滑非凸秩函数进行光滑化处理,并对其线性化,进而转化为光滑凸优化问题,为使用光滑优化方法近似求解(lrSDLS)提供了一个新的途径.     

非凸两分块问题乘子交替方向法的收敛性分析

乘子交替方向法(ADMM)求解大规模问题十分有效.ADMM在凸情形下的收敛性已被清晰认识,但非凸问题ADMM的收敛性结果还很少.本文针对非凸两分块优化问题,在增广拉格朗日函数满足Kurdyka-Lojasiewicz不等式性质且罚参数大于某个常数的条件下,证明了ADMM的收敛性.     

非凸不可分离问题的广义交替方向乘子法的收敛性

交替方向乘子法（ADMM）是求解大规模优化问题和非凸非光滑问题的一种有效的方法,但当目标函数为非凸非光滑的情况时,原始ADMM算法的收敛性无法保证,且若目标函数中存在耦合函数,则算法的收敛性证明将更为复杂。在现实生活中存在的很多问题,其本质都是非凸的。因此,本文提出了一种改进的ADMM算法。与原始ADMM算法相比,该算法引入了一个松弛因子$\alpha $,构造了一种广义交替方向乘子法（GADMM）来求解具有线性约束的非凸不可分离优化问题。在一定的假设条件下,通过假设增广拉格朗日函数满足K-L不等式,证明了当惩罚参数足够大时,算法生成的序列收敛到增广拉格朗日函数的稳定点。     

投资组合优化模型的一个序列凸近似算法

以CVaR为代表的凸优化投资组合模型近年来引起了广泛研究.为克服传统投资组合模型中凸近似的不足,提出了一个投资组合的DC规划模型.该模型用一个DC函数替代了CVaR模型中的凸近似函数,同时要求所有约束条件在概率意义下成立.进一步地,提出了一个序列凸近似(SCA)算法用于求解DC规划问题,并运用Monte-Carlo方法来实现SCA算法.初步的实验结果表明,因子收益服从"尖峰厚尾"分布时,模型的目标函数值优于采用CVaR近似的目标函数值.     

凸需求函数、凸分布与多种价格并存的优化模型

 建立了商品销售中的凸需求函数,凸分布和多种价格并存的优化模型.首先将二次需求函数模型推广为一般的凸需求函数模型,证明了需求最大价是利润增长价,利润最大价是需求下降价.其次,提出了价格的凸分布模型,并给出了期望价格,价格的方差和期望收益的计算公式.再次,在凸需求函数模型下给出多种价格并存的非线性规划模型.最后,通过纯净水的销售实例验证了结果.     

参数规划最优值函数的近似凸性及其有界性

1　引言文 [1]给出了近似ε 凸的定义 ,研究了参数规划问题最优值函数的ε 凹凸性 ,ε 拟凸 ,ε 似凸等性质 ,文[2 ]给出了一般实值函数的三种近似凸概念 ,即ε 权凸 ,ε 中凸和ε 凸 ,并分析了这样三种近似凸函数在其开凸定义域的上下界特征 作者发现参数规划最优值函数在一定条件下具有上述近似凸性 有趣的是 ,作为文 [2 ]研究结果的直接应用 ,本文还描述了最优值函数的有界性特征 这些结果将有助于对参数规划问题的进一步研究 对于如下最优化问题 :Ｐ(ｕ) :ｍａｘ ｆ(ｘ ,ｕ) ,ｓ·ｔ.ｘ∈Ｃ(ｕ) ,它的最优值函数为ｆ (ｕ) =ｓｕｐ{ …     

求解凸优化问题的改进对称交替方向乘子法

对称交替方向乘子法(简称S-ADMM算法)是求解可分离凸优化问题的一种有效方法。该算法利用目标函数的可分离性,将原问题分解成多个极小化子问题,然后交替求解。能否有效地求解子问题对算法的有效性有重要影响。在很多实际应用中,不能精确地求解子问题,或者精确求解子问题花费代价较大。为解决这一问题,提出了一种改进的对称交替方向乘子法(简称MSADMM算法)。与一般的S-ADMM算法相比,该算法在x子问题中引入一个半近邻项,近似地求解x子问题,克服了之前算法的不足。在适当的假设下,证明了其收敛性。最后,通过数值计算说明了该算法的有效性。     

一般约束凸规划极大熵方法的收敛性

带约束的极大极小问题是一类不可微优化问题，通常的解决是通过增加约束将其转化为可微优化问题，极大熵方法是一种用光滑函数逼近最大值函数的方法；基于这种方法，给出一种求解带一般约束的极大极小问题的逼近方法，并针对凸规划问题证明了这种方法的收敛性，即当控制参数趋于正无穷时，近似问题的最优解收敛于原问题的最优解。     

非凸全局最优化的一种凸化、凹化方法

给出了一种凸化、凹化变换,将一个严格单调函数转化为一个凸或凹的函数;给出了一种凸化和凹化变换,在约束函数都是单调递减时,将一个既不单调凸也不是单调凹的目标函数转化为一个凸和凹函数;最终,将原始问题转换成一个凹极小问题或反凸规划问题来求得其最优解.     

凸函数极值点的分布问题

研究可导凸函数的极值与最值问题,刻画了凸函数极值点的分布规律,并将所得结果推广到可导严格凸函数和一般凸函数中.     

准熵的性质及其应用

准熵将信息论中熵的特定凸函数推广到任意凸函数,研究了这种推广能否提高熵的性能.提出并证明了准熵与熵的一些共同性质.以独立性度量问题为例,研究了凸函数对准熵最小值形状的影响,提出了凸函数品质因数的概念,用来刻画准熵最小值的显著性.发现了品质因数比熵中凸函数更好的无穷多凸函数.给出了凸函数品质因数在混沌信号分析中的应用实例.结果表明,根据特定应用,恰当选取凸函数,可令准熵获得比熵更好的性能.     

凸函数与Jensen不等式

不等式是研究分析数学的重要工具,很多常见不等式又是与函数的凸性分不开的.文章先给出了凸函数的定义,利用其等价条件证明了Jensen不等式,并介绍了其应用.     

上市公司财务预警的T逻辑回归模型

针对经典的逻辑回归模型易受到样本类别噪声干扰的问题,采用T逻辑回归算法中的非凸损失函数以弥补这一不足。对T逻辑回归模型及求解算法进行了分析,建立T逻辑回归财务预警模型,并结合沪深上市公司财务数据开展实证分析,结果表明T逻辑回归模型具有较好的分类效果和鲁棒性。     

改进的加权部分简单多边形为凸多边形的算法

对加权剖分简单多边形为凸多边形算法的权函数做了改进,新的权函数容易计算,可以反映在点对间加入部分线时获得剖分在形态质量方面的性质,因此可以用来引导剖分。给出了一个利用这种权函数加权剖分简单多边形为凸多边形的算法实现步骤,讨论了所建立算法的性质。结果表明算法既能够使剖分得到的凸多边形数目较少,又能够使得到的剖分具有较好的形态质量,因此有很好的实用性。     

一类全局优化问题的新的凸化、凹化法

对于目标函数非凸非凹,而约束函数具有凹、凸性的非线性规划问题,本文提出了一种新的凸化凹化法。把目标函数直接凸化、凹化,再把原问题转化为反凸规划问题或极小化问题或标准D.C.规划问题,从而求得原问题的全局最优解。     

凸函数的共轭函数的几何解释

在凸分析和凸优化中,凸函数的共轭函数是一个非常重要的概念.给定一个凸函数,要求出该函数的共轭函数,并对共轭函数的图像有一个直观清晰的了解并不容易.而一个函数的图像对理解该函数的性质非常重要.基于凸分析中凸函数及其共轭函数的概念及性质,给出了共轭函数的几何解释.这种解释有助于对共轭函数的概念及其性质的理解.     

单调优化的一种新的凸化、凹化方法

单调优化是指目标函数与约束函数均为单调函数的全局最优化问题.本文对严格单调函数提出一种新的凸化、凹化方法,进而将单调优化问题转化为等价的凹极小问题或反凸规划或标准D.C.规划问题.     

求解混合整数双层规划的凸组合算法

利用罚函数思想和最优值函数的概念将混合整数双层规划转化为连续变量的单层非线性规划,然后用事先确定步长的凸组合算法迭代求解此单层非线性规划,进而得到原双层规划的局部最优解.