非凸半定规划的鞍点存在性研究

主要利用矩阵分析的谱分解、Frobenius 内积及其相关性质，凸分析的凸集分离定理来研究非凸半定规划问题的鞍点的存在性，通过 3 种不同的方式给出并证明了鞍点存在的一些充分、必要以及充分必要条件。首先，利用一个不等式系统给出了与文献[1]中的对偶定理等价的一个鞍点存在的充分必要条件。然后，给出了广义的 KKT 条件，并在不变凸性的假设下，证明了广义 KKT 条件是鞍点存在的一个充分条件；若 x∈intC，则广义KKT 条件是鞍点存在的一个必要条件。最后，定义了一个扰动函数 ，并在非凸半定规划问题的最优解存在的假设下，利用此扰动函数给出了鞍点存在的一个充分必要条件：若非凸半定规划问题的最优解存在，则对偶可达且无对偶间隙等价于扰动函数v的上图在点 (0,v(0))处存在支撑超平面。
     

非光滑最优化的二阶最优性条件

考虑标准非线性规划问题,在各函数一阶导数Lipschitz连续的假设下,给出了广义二阶GCQ下的二阶必要条件;较弱CQ假设下弧立局部最优解的充分条件。     

求解最优潮流全局最优解的二阶半定规划方法

【目的】半定规划凸松弛方法是求取电力系统最优潮流(Optimal power flow, OPF)问题全局最优解的有效技术手段，但解的秩为1的条件难以满足，导致应用具有一定的局限性。针对这一求解困境，提出了一种新的半定规划凸松弛方法。【方法】基于变量扩展，将原变量对应的二阶单项式扩展为新的变量，扩展后可构造一阶及二阶的半正定扩展矩阵，在此基础上将不等式约束转化为矩阵不等式约束，从而形成二阶半定规划凸松弛模型。【结果】为验证所提方法的有效性，求解了常规半定规划方法应用失败的一些反例，结果表明：二阶半定规划松弛模型能更可靠地求得秩为1的扩展矩阵，从而直接获得原OPF问题精确的全局最优解。【结论】二阶半定规划松弛方法为电力系统OPF问题提供了一种更可靠的全局最优算法，具有更好的应用前景。     

参数非凸弱广义Ky Fan不等式解映射的Lipschitz连续性

在实赋范线性空间中,讨论参数非凸弱广义Ky Fan不等式解映射的Lipschitz连续性.首先,给出一类非线性泛函的概念及其基本性质;其次,在适当的假设条件下,建立非凸分离定理;最后,在解映射不具任何凸性、单调性和单值性的条件下,用分析的方法给出参数非凸弱广义Ky Fan不等式解映射Lipschitz连续的充分性定理,并举例验证定理.     

参数非凸弱广义Ky Fan不等式解映射的Lipschitz连续性

在实赋范线性空间中,讨论参数非凸弱广义Ky Fan不等式解映射的Lipschitz连续性.首先,给出一类非线性泛函的概念及其基本性质;其次,在适当的假设条件下,建立非凸分离定理;最后,在解映射不具任何凸性、单调性和单值性的条件下,用分析的方法给出参数非凸弱广义Ky Fan不等式解映射Lipschitz连续的充分性定理,并举例验证定理.     

一类多目标规划有效解的充要条件

给出了广义E-凸多目标规划的KKT必要条件的充分性以及鞍点充分条件的必要性.在广义E-凸性假设下,建立了有效解的两个充要条件.研究结果是对现有研究结果的改进与推广.     

The necessary and Sufficient conditions of the efficient solution for a kind of multiobjective programming

给出了广义E-凸多目标规划的KKT必要条件的充分性以及鞍点充分条件的必要性.在广义E-凸性假设下,建立了有效解的两个充要条件.研究结果是对现有研究结果的改进与推广.     

互补约束数学规划问题的二阶Mond-Weir型对偶理论

基于S-稳定性条件,建立了互补约束数学规划问题(MPCC)的二阶Mond-Weir型对偶模型.在二阶广义凸性假设下,证明了弱对偶定理,强对偶定理和严格逆对偶定理.给出了数值算例验证上述对偶定理的合理性,并说明二阶对偶模型所提供的下界比一阶的更紧.     

非光滑多目标区间优化的最优性条件

利用Clarke方向导数和Clarke次微分得到了非光滑多目标区间优化弱LU有效解的Fritz John最优必要条件。在广义不变凸性及函数正则性的假设下得到了KKT条件、充分性条件及相关对偶理论。利用了一些实例来验证理论的可行性,这些结论能够解决一般情形下多目标区间优化的相关问题。     

广义既约梯度法解非线性规划问题的灵敏度分析

使用广义既约梯度法(GRG法)解非线性规划问题并进行了灵敏度分析。局部最优解满足二阶充分条件,问题满足非退化假设的前提下,给出带参数问题的局部最优解关于参数的连续性质。在适当的条件下建立了灵敏度信息的估计,并在后面部分中提供了使用GRG算法解非线性规划,产生灵敏度信息的计算过程。