一类广义分式规划的最优性条件和对偶

函数的广义凸性在数学规划的对偶理论中起着非常重要的作用.针对广义ρ-不变凸性,研究一类广义分式规划及其对偶规划问题.在文献(J.Austral Math.Soc.,1995,A58:376-386.)提出的广义分式规划最优性必要条件的基础上,给出并证明了这类规划的一个最优性充分条件,并针对这类规划提出2个对偶模型,又在适当的条件下,进一步给出并证明这2个对偶规划相应的弱对偶定理、强对偶定理和严格逆对偶定理.     

广义分式规划的混合型对偶

在函数（F,ρ）－凸性假设下,给出了广义分式规划的最优性充分条件及其混合型对偶,并且在适当的条件下,给出了相应的弱对偶定理、强对偶定理,以及严格逆对偶定理。     

广义凸多目标规划的Wolfe型对偶定理

给出一类广义凸多目标规划的最优性条件,建立了Ｗｏｌｆｅ型对偶模型,得到了弱对偶,强对偶及逆对偶定理。     

广义分式规划的一个混合型对偶

在函数（F，ρ）－凸性假设下，给出了广义分式规划的一个最优性充分条件和一个混合型对偶，并且在适当的条件下，给出了相应的弱对偶定理，强对偶定理，以及严格逆对偶定理。     

(P,r)-不变凸性下广义分式规划的最优性条件

函数的广义凸性在数学规划及数学规划的对偶理论中起着非常重要的作用．在一种函数的广义凸性-关于η的(p，r)-不变凸性的假设下，讨论一类含有无穷多分式函数的约束广义分式规划及其对偶的某些问题：首先，给出并证明了这类约束广义分式规划的一个最优性充分条件，接着，针对这一类广义分式规划，提出了它的一个混合型对偶，然后又在适当的条件下，进一步给出并证明了相应的弱对偶定理、强对偶定理、以及严格逆对偶定理．     

一类不可微极大极小分式规划的最优性条件及其对偶

目的研究一类分子由可微函数和凸函数之和,分母由可微函数和凸函数之差的形式组成目标函数的广义分式规划问题。方法利用Abad ie约束条件下的最优性必要条件。结果导出此问题在(C,α,,ρd)-V-凸下的充分条件,同时建立一种对偶模型。结论其弱对偶、强对偶和严格逆对偶定理成立。     

(F,α,ρ,d)-凸性下一类多目标分式规划问题的

作者在(F,α,ρ,d)-凸性条件下讨论了一类多目标分式规划问题的最优性条件和对偶.通过将多目标分式规划问题转化为多目标规划问题,作者建立了原问题的最优性充分条件并获得了弱对偶和强对偶结果.     

不变凸性下广义分式规划的最优性条件和对偶

在(p,s)-λ-(ξ,η)-不变凸性的基础上,提出广义λ-(p,ξ,η)-不变凸性的定义;并在此条件下,讨论了一类广义分式规划及其对偶规划定理问题,给出并证明了这类规划的一个最优性充分条件;在适当的条件下,获得了2个对偶规划相应的对偶定理﹒     

严格B-预不变凸分式规划的最优性条件

最优性条件是数学规划中十分重要的内容,首先得到了严格B-预不变凸函数的一个重要定理.然后在严格B-预不变凸性的条件下,讨论了一类分式规划问题的Kuhn-Tucker型最优性条件.     

一类多目标半无限分式规划的最优性与对偶性

利用一类新的广义一致局部Q连通凸函数,讨论了一类多目标半无限分式规划的最优性与广义Mond-Weir对偶性,给出了相应的最优性条件以及对偶性定理.     

一个对数障碍函数方法(英文)

对数障碍函数方法是文献中非常流行的求解不等式约束优化问题的序列无约束优化方法.众所周知,对数障碍函数在线性规划与线性半定规划的内点方法中起着重要的作用.但是,在传统的对数障碍函数方法的收敛性分析中,往往要求要精确求解子问题或障碍函数的梯度要满足一苛刻的条件,这导致在实际计算中耗费大量的计算量.为克服这一缺点,笔者给出求解约束优化问题minx∈n+f(x)的一个对数障碍函数方法.该方法根据对数障碍函数的梯度的范数校正惩罚参数,不需要精确求解每一对数障碍函数的极小点.这一惩罚参数的校正规则保证在求解子问题时只迭代少数的几次,而不需要障碍函数的梯度满足苛刻的条件.我们给出该方法的性质并证明了方法的全局收敛性.     

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．     

广义分式规划的鞍点最优性准则

建立了一类广义分式规划的一个不完全Lagrange函数,并利用这一函数研究广义分式规划的鞍点最优性准则,在不变凸性假设下,获得了该类广义分式规划鞍点最优性的充分条件和必要条件.     

一类多目标广义凸规划问题的最优性条件

B-半预凸函数是一类新的广义凸函数，它既是B-凸函数、B-预凸函数又是半预凸函数的推广形式，即为熟知的凸函数的推广。讨论了目标数和约束数均为B-半预凸函数且连续可微时的多目标规划问题，在B-半预凸函数的限制下得出了多目标规划问题的可行解为其有效解的最优充分条件。     

(h,φ)-不变凸半无限规划的鞍点

本文利用Ben-Tal广义代数运算,定义了一类(h,φ)-ρ不变凸函数,研究了涉及此类函数的半无限规划,讨论了不完全Lagrange函数的鞍点条件,在更弱的凸性下,得到了几个鞍点条件。     

不带约束的多目标规划解的充要条件的进一步讨论

应玫茜先生在文[1]中给出了不带约束的多目标规划有效解和弱有效解的充要条件．本文 在不可微的情况下引入半凸函数，将上述充要条件进一步推广．     

Fuzzy资源约束非线性规划的一个有效解法

重新定义了Ｆｕｚｚｙ约束与Ｆｕｚｚｙ目标的隶属函数,通过构造一致逼近函数将一复杂的Ｆｕｚｚｙ非线性规划问题转化为只含非负约束的优化问题,得到了一个简单有效的解法,并在相当弱的条件下证明了算法的收敛性。     

半连续函数的预不变凸性

在相对条件C更弱的条件C′的基础上,利用上半连续函数在紧集上必有最大值及下半连续函数满足条件H的性质,讨论了预不变凸函数与半连续函数之间的关系,排除了X是开集和集合A={λ∈[0,1]:f(y+λη(x,y))≤λf(x)+(1-λ)f(y),(A)x,y ∈ X}在[0,1]中的稠密性,从而简化了一些预不变凸函数性质...     

自定义C函数成为系统库函数的实现方法

C语言的函数分为需要用编程的自定义函数和系统提供的供用户直接使用的库函数.研究了使自定义函数也成为系统库函数的方法,以提高使用C语言进行编程的效率.实验结果表明本文所讨论方法的可行性.     

用Mathematica来实现非线性规划问题

本文用Mathematica编程实现了一类有约束条件的非线性规划问题的求解。文中先介绍了该类非线性规划问题的相关定义如约束条件、惩罚函数和内点法等,又介绍了用内点法解决非线性规划问题的相关定理和算法。经过研究这些理论和算法,结合Mathematica语言的特点编写出了相应的程序,并计算了几个实例。最后简单分析了用mathematica编写内点法程序的优越性和程序中所涉及到的部分函数和语句的功能及其作用。