复合凸优化问题的稳定强对偶

先建立复合凸优化问题的对偶问题, 然后利用共轭函数上图的性质引入一些新的更弱的约束品性, 并借助这些约束品性刻画了复合凸优化问题的稳
定强对偶和强对偶.     

一类新的非凸鲁棒优化问题的混合型对偶

引入了一类目标函数和约束函数均为α-凸函数的新的非凸鲁棒优化问题,并定义了其混合型对偶问题.利用Frechet次微分的性质构建了近似解的最优性条件,并建立了原问题与混合型对偶问题之间的弱对偶、强对偶和逆对偶理论.     

复合DC优化问题的稳定全对偶

利用函数的次微分性质引入了2个新的约束规范条件,建立了复合DC优化问题与其对偶问题之间的全对偶和稳定全对偶成立的充分或必要条件.     

求解低秩密度矩阵约束最小二乘问题的优函数罚方法

本文应用优函数罚方法求解具有低秩密度矩阵约束的最小二乘问题. 首先用凸差方法处理非凸的低秩约束,并结合罚方法和优函数方法将原问题转化为一系列具有密度矩阵约束的凸优化问题,然后给出求解该优化问题的优函数罚方法,并对该方法进行收敛性分析. 之后,运用半光滑牛顿增广拉格朗日算法求解优函数罚方法的子问题. 最后,合成数据集和真实数据集上的数值结果表明了优函数罚方法有效地求解了具有低秩密度矩阵约束的最小二乘问题.     

Banach空间上一类非凸向量最优规划的对偶性

讨论了一般Banach空间上一类非凸向量最优规划,提出了Banach空间上一类非凸向量最优规划的一个Mond-Weir型对偶问题.基于问题自身的结构特点和利用定义在Banach空间之间的映射不变凸性,获得了对偶问题新的弱(强)对偶结果.在满足Slater型约束品性条件假设下,严格证明了对偶问题新的弱(强)对偶结果.所获得的对偶性研究结果涉及的是一类多目标规划建立在一般Banach空间上,且目标函数及约束函数为不可微强紧Lipschitz.     

多目标半定规划的Lagrange对偶与鞍点定理

主要研究含矩阵函数半定约束和向量函数等式约束以及多个目标函数的多目标半定规划的对偶和鞍点问题．首先在似凸条件下建立了一个含矩阵函数半定约束系统的择一性定理,由此得到多目标半定规划及其在弱有效解意义下的Lagrange对偶理论,包括弱对偶、强对偶和逆对偶等．然后利用鞍点的等价定义,得到多目标半定规划的鞍点最优性条件．     

原问题和三种对偶问题最优目标值的比较

建立与带约束的非凸优化问题目标函数有关的几种共轭函数,研究与之关联的Lagrange对偶问题、Fenchel对偶问题和二者结合的Fenchel-Lagrange等3种共轭对偶问题,对这些对偶问题的最优目标值进行了比较.     

凸无限规划的松弛Lagrange全对偶及最优性条件

利用函数的次微分性质，引进新的约束规范条件，等价刻画了凸无限优化问题与其松弛型对偶问题之间的Lagrange全对偶及最优性条件.     

B-(p,r)-不变凸规划的最优性条件及Wolfe型对偶

B-(p,r)-不变凸函数是一类新的广义凸函数,它既是不变B-凸函数,又是(p,r)-不变凸函数的推广形式.首先,利用B-(p,r)-不变凸函数讨论了目标函数和约束函数均可微的多目标分式规划问题(FP),得到了目标函数和约束函数在B-(p,r)-不变凸函数限制下可行解为有效解的一个最优性充分条件;其次,利用B-(p,r)-不变凸函数建立了多目标分式规划问题(FP)的Wolfe型对偶,证明了目标函数和约束函数在B-(p,r)-不变凸函数限制下的弱对偶,强对偶和严格逆对偶定理.其结论具有一般性,推广了许多涉及不变凸,不变B-凸,(p,r)-不变凸和B-(p,r)-不变凸函数的文献的结论.     

多目标凸规划凝聚同伦内点算法

研究凝聚同伦内点法求解多个约束的多目标凸光滑优化问题. 用凝聚函数将多目标凸函数凝聚为单目标凸函数, 再利用凝聚函数将多个凸约束凝聚为单个凸约束, 使原来的多约束多目标凸优化转变为单目标单个约束的凸规划问题, 再利用同伦内点法求得单目标凸优化的最优解, 即为原多目标凸优化的弱有效解.     

一个新的光滑低阶精确罚函数

对不等式约束优化问题提出了一种新的低阶精确罚函数的构造,使其转化为易求解的无约束优化问题;给出了光滑罚问题与非光滑罚问题,光滑罚问题与原问题的目标函数值之间的误差估计,并且在弱的假设条件下证明了光滑罚问题的全局最优解是原问题的近似最优解.     

具有畸形约束极值点问题的优化

在畸形约束极值点附近,约束边界与目标函数等值线接近于相切,可行适用方向区非常狭小,难以寻得真正的约束极值点。为了使优化方法更好地解决各领域的复杂优化问题,研究具有畸形约束极值点问题的优化。针对该类问题的一个算例,分别采用随机方向方法、复合形法、内点惩罚函数法、外点惩罚函数法进行了优化,并对比了计算结果。随机方向法和复合形法在寻得边界点之后,难以找到可行适用方向,因此给出了伪最优点。而惩罚函数法由于其渐进优化的特点,可寻得最接近于约束极值点的最优点。计算结果验证了基于盲人探路优化思想的改进随机方向法,可减少随机方向的产生次数;验证了基于盲人探路思想的改进复合形法,可减少复合形的构造次数;也验证了加固围墙的内点惩罚函数法不要求初始点一定在可行域之内,也不会因寻优越界而给出伪最优点。对于存在多个约束极值点的优化问题算例,只要适当选取初始点,采用内点法就能寻得所有局部最优点。通过多种优化方法的对比研究,得出了对于畸形约束极值点优化问题,宜选用惩罚函数法求解的结论。     

关于双稳定束方法对偶问题的研究

对于带有非线性约束优化问题,本文在迫近束方法的思想基础上将水平束方法与其结合,应用双稳定束方法解决此优化问题.本文不仅从其对偶问题的角度研究了解的形式及相关性质,发现解的表现形式不尽相同,而且得出该解与之前迭代点的次梯度的凸组合有关的结论.进一步我们发现次梯度值和额定下降具有与单纯用迫近束方法从对偶问题角度解无约束优化问题相类似性质.     

一类非凸D．C．约束优化问题的UV-分解理论

UV-分解理论是近年来解决非光滑凸函数的二阶近似的一种有效的方法,并应用于解决非光滑凸函数的最优化问题。主要应用UV-分解理论对于一类D．C．函数的约束优化问题进行研究,借助于近似次微分的概念,得到类似的UV-空间分解,以及空间分解下的相应U—Lagrange函数与其最优解集W（u）的相关性质和二阶近似的结果。     

求解约束优化问题的微粒群算法

微粒群算法(简称PSO算法)是一种新型的进化计算方法,已在许多领域得到了非常成功的应用。本文以约束优化问题为对象,首先介绍了采用罚函数法将约束优化问题化为无约束优化问题,和将约束优化问题转化为minmax问题,然后对无约束优化问题和minmax问题,采用PSO算法进行进化求解;在此基础上,以目标函数和约束满足分别为优化目标提出了一种双微粒群的PSO算法。仿真实验结果验证了方法的正确性与有效性。     

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.     

关于基于近似次梯度的非光滑优化束方法的对偶问题的研究

利用目标函数值和近似次梯度,构建了非光滑无约束优化问题目标函数的一个下近似模型,通过对该近似模型取极小寻找下一个可能使目标函数值下降的试探点.利用Lagrange函数写出了原近似问题的对偶问题,揭示了原近似问题的最优解与对偶问题最优解之间的关系,并进一步分析了相应的近似次梯度的某种凸组合与目标函数在当前迭代点的次微分以及目标函数的近似模型在当前迭代点的近似次微分之间的所属关系.所得结果为原近似问题的求解开辟了新思路,也使整个外层束方法的执行变得简单易行.     

多用户最优化的两种对偶方法

采用多用户问题的梯度近似分布式算法,对多用户最优化的原始对偶方法和正规化对偶方法进行了比较,集中于多用户凸最优化问题的概括,其中目标函数和约束函数不可分,而目标函数可通过非线性组约束,使用户决定耦合;在算法中,对原始对偶方法和正规化对偶方法可考虑不变步长,采用跨用户自然迭代计算,使每个用户能够只更新自身的决策变量．     

具有恶化效应、资源分配、速率修正和松弛工期的排序问题

研究带有松弛工期指派的单机排序问题,工件的实际加工时间同时受到恶化效应、凸资源分配与一次机器速率修正活动的影响。为确定工件的最优排序、速率修正活动的最优位置、最优的公共容许流和最优的资源分配量,使2个约束目标函数极小化。第1个目标函数是在满足资源总量有限的条件下,极小化总惩罚费用,即提前、延误、公共容许流和时间表长的加权和;第2个目标函数是在总惩罚有限的条件下,极小化资源消耗总费用。将上述问题分别转化为指派问题。当速率修正活动位于不同的位置时,选取使得目标函数最小的解为最优解。对2个问题分别给出多项式时间算法,算法的复杂度为O(n4),其中n为工件的数量。用数值算例分别验证2个算法,说明给出的求解算法比较有效。     

一类鲁棒凸优化的Mond-Weir型逼近对偶性

通过引入一类含有不确定信息的凸约束优化问题, 先借助鲁棒优化方法, 建立该不确定凸约束优化问题的Mond Weir型鲁棒逼近对偶问题, 再借助一类广义鲁棒逼近KKT条件, 刻画该不确定凸约束优化问题与其Mond Weir型鲁棒逼近对偶问题之间的逼近对偶性关系.