不可微极小极大分式规划问题的二阶对偶

引入一种广义二阶凸函数的概念,即二阶（F,d,P,d,P）-uflivex函数,并在（F,d,P,d,p）一univex条件之下考虑了一类不可微极小极大分式规划问题的二阶对偶问题,得到了原问题与对偶问题之间的二阶弱对偶、强对偶和逆对偶定理．     

一类不确定优化问题的鲁棒对偶性刻画

通过引入一类目标函数和约束条件均带有不确定信息的优化问题, 借助鲁棒型次微分约束品性, 刻画了该不确定优化问题与其不确定对偶问题之间的Mond-Weir型鲁棒对偶性, 即原问题的鲁棒对应与其对偶问题的最优对应之间的对偶性.     

一类不可微多目标规划的Mond-Weir型对偶

【目的】研究了一类不可微的多目标规划问题,其中目标函数包含支撑函数,约束包含等式和不等式。【方法】给出了该问题的一类Mond-Weir型对偶模型,利用G-KKT最优性必要条件和G-不变凸性证明了原问题与对偶问题的对偶结果。【结果】在适当条件下,得到该问题与对偶问题的弱对偶定理、强对偶定理、逆对偶定理和非极大逆对偶定理,并进行了证明。【结论】将相关结论推广到了非可微情形。     

一类不可微多目标规划的Mond-Weir型对偶

【目的】研究了一类不可微的多目标规划问题,其中目标函数包含支撑函数,约束包含等式和不等式。【方法】给出了该问题的一类 Mond-Weir 型对偶模型,利用 G -KKT 最优性必要条件和 G - 不变凸性证明了原问题与对偶问题的对偶结果。【结果】在适当条件下,得到该问题与对偶问题的弱对偶定理、强对偶定理、逆对偶定理和非极大逆对偶定理,并进行了证明。【结论】将相关结论推广到了非可微情形。
     

集值约束的多目标线性优化问题的弱对偶定理

对偶理论是数学规划的理论基础,其中在各种约束条件下对弱对偶定理的研究是对偶理论研究的重要组成部分.应用集值对偶理论证明了集值约束的线性优化问题的弱对偶定理,得到了与单值约束的线性向量优化问题的弱对偶定理和强对偶定理相似的结论,并且证明了与弱对偶定理等价的几个式子,从而推广和完善了对偶理论.     

约束集值优化问题的二阶Mond-Weir型对偶

讨论了约束集值优化问题的一类二阶Mond-Weir型对偶,获得了广义二阶合成相依上图导数的一个新的性质,利用广义二阶合成相依上图导数构建了约束集值优化问题的一类二阶Mond-Weir型对偶,并建立了相应的弱对偶、强对偶和逆对偶定理.     

广义凸条件下一类多目标优化问题的对偶

凸性是最优化理论中最常用的假设之一。在实际应用中目标函数的性质可能不是那么理想,为了减弱凸性要求,人们给出了各种各样的广义凸性概念。近年来,广义凸性成为数学优化研究的新发展趋势,越来越多的学者致力于讨论在各种广义凸性条件下多目标优化问题的对偶结论及其应用。在广义凸条件之下考察一类多目标优化问题,首先介绍一类广义凸函数的概念及相关性质。然后建立了多目标优化问题(即原问题)的Wolfe对偶模型,在广义凸条件下得到了原问题与Wolfe对偶问题之间的弱对偶,强对偶和逆对偶定理。最后建立了多目标优化问题的混合型对偶模型,并且得到了原问题的混合型对偶问题的弱对偶,强对偶和逆对偶定理。     

集值优化问题近似解的最优条件

在实赋范线性空间中建立一类集值优化问题近似解的最优条件和对偶定理.在锥-逼近多值函数概念的基础上,借助锥-次不变凸性,研究最优条件和对偶定理.运用分析的方法,在广义凸性假设条件下,得到Henig近似解极小点和Global近似解极小点的最优条件,及Mond-Weir和Wolfe模型下的弱对偶定理、强对偶定理和逆对偶定理.研究成果可丰富和发展集值优化理论算法及其应用.     

广义Ⅰ型一致不变凸条件下的极大极小分式规划的二阶对偶

给出一类新的二阶广义(F,α,ρ,θ)-d-Ⅴ-Ⅰ型一致不变凸的概念, 讨论了极大极小分式规划问题（P）, 建立了规划（P）的一个二阶对偶模型, 并利用此二阶广义Ⅰ型一致不变凸性, 得到了弱对偶、 强对偶和严格逆对偶定理.     

一类广义凸多目标变分控制问题的对偶模型的有效性

考虑一类约束多目标变分控制问题。首先对这类问题提出了一般性对偶模型,然后,在目标函数和约束函数的广义（F,ρ）－凸性假设下,证明了原问题和对偶问题关于有效解的一系列弱对偶定理和强对偶定理。本的模型与结果推广了[7]中的相应模型与结果。     

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.     

DC复合优化问题的两种Fenchel对偶模型研究

本研究考虑的模型为无约束的DC复合凸优化问题。首先,利用扰动方法,c-共轭框架下的广义凸共轭定理及均匀凸（简称e-凸）技术,建立了DC复合优化问题的两种Fenchel对偶问题。其次,利用c-共轭函数的上图性质,给出了三个重要的集合。最后,在e-凸函数的假设下,刻画了两对原—对偶问题的强对偶性以及两者之间的等价关系。     

约束集值优化问题的高阶Wolfe型对偶

利用集值映射的广义高阶邻接上图导数,构建了约束集值优化问题的一类高阶Wolfe型对偶,并建立了相应的弱对偶、强对偶和逆对偶定理.     

非凸优化问题Lagrange对偶性及其应用

利用非凸优化问题中的Lagrange对偶性思想,对可行集进行恰当的细划,证明了求解相应的Lsagrangian对偶问题所获得的剖分对偶界在适当的假设条件下收敛到原问题的最优值,应用包括反凸约束凹极小问题以及多胞形上仿射比和问题的求解算法。     

基于一类非线性Lagrange函数的对偶问题

基于一类非线性Lagrange函数提出不等式约束优化问题的一类对偶问题,证明了在Jacobian惟一条件下,对偶问题的最优解处二阶充分性条件是成立的,因此对偶解处满足二阶增长条件.非线性Lagrange函数的鞍点存在是原始问题与对偶问题无对偶问隙的充分条件,给出了鞍点条件的等价条件,并且给出了用扰动函数来刻画的鞍点存在的一个充分条件.     

一类非线性比式和问题的对偶界方法

针对一类非线性比式和问题首次提出一种求其全局最优解的单纯形分枝定界算法.该算法利用La-grange对偶理论将原来的非线性非凸优化问题转化为一系列易于求解的线性规划.理论分析和数值算例均表明提出的算法是可行的.     

L_1正则化问题的对偶性理论

L1正则化问题是一个非光滑的无约束最优化问题,在变量选择,数据压缩和图像处理等领域有广泛的应用。给出了L1问题最优解存在的新的必要条件和充分条件,利用这些条件构造出L1正则化问题的一个MondWeir型对偶问题,最后给出了相应的弱对偶定理和强对偶定理。     

参数优化的对偶性及在控制问题中的应用

研究了Banach空间中参数优化问题的对偶问题,在不变类凸假设下,获得了Wolfe对偶的弱对偶定理和强对偶定理.作为应用,研究了一类最优控制问题的Wolfe对偶.     

广义信赖域子问题的二阶锥重组技术

二次约束优化问题在非线性规划的研究中处于基础性地位,而广义信赖域子问题是二次约束优化问题中的一类非常重要并且应用广泛的问题.对于非凸的广义信赖域子问题来说,如果它与它的拉格朗日对偶问题之间存在着正的对偶间隙,那么该问题的全局最优解的求解就会变得困难起来.近年来,二阶锥重组技术在缩小和消除广义信赖域子问题的对偶间隙上取得了一系列重要成果,将对这些重要的结果进行回顾并对未来给出展望.