多目标凸规划迫近束方法二次规划子问题的研究

在非光滑问题中,束方法展示出非常高的有效性.针对多目标凸规划,借助束方法试图寻找它的弱帕雷托最优解.利用目标函数和约束函数构造了一个改进函数,同时揭示了改进函数与原问题之间的关系.构建了改进函数的一个下近似模型,进一步通过求解二次规划子问题寻找下一个迭代点.利用Lagrange函数得出了原子问题最优解的显示表达.     

非凸优化的近似束方法及对偶问题

束方法目前是解决非光滑优化问题最有前景的方法之一。出于实际计算的需要,使用两个扰动函数共同控制真实目标函数,利用它们的信息构建增广函数,从而把凸优化迫近束方法应用到非凸问题中来。类似地建立目标函数的下近似模型,通过求解二次规划最小值点作为下一个候选点,进一步再筛选出下降点。最后利用Lagrange函数写出了束方法子问题的对偶问题,揭示了扰动后原问题的最优解和对偶问题最优解之间的关系。     

非凸优化的近似束方法及对偶问题

束方法目前是解决非光滑优化问题最有前景的方法之一。出于实际计算的需要,使用两个扰动函数共同控制真实目标函数,利用它们的信息构建增广函数,从而把凸优化迫近束方法应用到非凸问题中来。类似地建立目标函数的下近似模型,通过求解二次规划最小值点作为下一个候选点,进一步再筛选出下降点。最后利用Lagrange函数写出了束方法子问题的对偶问题,揭示了扰动后原问题的最优解和对偶问题最优解之间的关系。
     

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.     

带有二次约束的一般二次规划问题的松弛分枝定界方法

考虑带有二次约束的一般二次规划问题的求解，当约束条件为非凸二次函数时，对原问题中的某个二次约束进行凸二次松驰，或在原问题的约束条件中增加一个球约束，使得原问题的可行域包含在松驰二次规划问题的可行域内。采用椭球剖分策略剖分可行域为小 椭球，用投影次梯度算法解松驰二次规划问题的拉格朗日对偶问题，从而获得原问题的一个下界。原问题最优值的一个上界可从迭代过程中的可行点得到，并在迭代过程中得到调整。该算法或在原问题最优值的一个上下界相同时终止，得到原问题的整体最优解；或产生一无限序列，其任一聚点都是原问题的整体最优解。     

非线性优化中关于鞍点及对偶问题的研究

讨论了非线性优化中Lagrange函数的鞍点与原问题和对偶问题的最优解之间的关系,并对对偶理论中的一些性质给予详细证明.对于凸规划在一定约束规格下鞍点总是存在的,可以通过求解鞍点问题来求最优解.最后给出在不等式约束条件下求鞍点的一个迭代方法.     

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.     

关于通信数据网络优化问题近似模型的研究

主要利用函数的非精确信息,构建通信数据网络优化问题的近似模型,并利用惩罚束方法和指示函数对通信数据网络优化问题的近似模型展开研究.基于对偶理论,给出其原问题与对偶问题最优解的显式表达式,并得到了非精确近似优化模型的一些相关结论.     

集值向量优化问题近似有效解的最优条件和对偶性

在Banach空间中考虑集值向量优化问题的Henig近似有效解和Global近似有效解的最优条件和对偶性. 在锥 次不变集值映射的假设条件下, 建立集值向量优化问题Henig近似有效解最小点和Global近似有效解最小点的充分性最优条件与Mond-Weir型、 Wolfe型两类对偶定理. 作为应用, 分析集值向量优化问题的Henig近似有效解最小点和Global近似有效解最小点与一类向量变分不等式两种近似有效解最小点之间的关系.     

集值向量优化问题近似有效解的最优条件和对偶性

在Banach空间中考虑集值向量优化问题的Henig近似有效解和Global近似有效解的最优条件和对偶性. 在锥 次不变集值映射的假设条件下, 建立集值向量优化问题Henig近似有效解最小点和Global近似有效解最小点的充分性最优条件与Mond-Weir型、 Wolfe型两类对偶定理. 作为应用, 分析集值向量优化问题的Henig近似有效解最小点和Global近似有效解最小点与一类向量变分不等式两种近似有效解最小点之间的关系.     

求解一般l1趋势过滤问题的原始对偶内点法

针对一般l₁趋势过滤问题提出一种原始对偶内点法，首先给出原始对偶内点法的算法框架，并对原始对偶内点法进行收敛性分析和算法复杂度分析.最后，将提出的算法和目前流行的半光滑牛顿增广拉格朗日方法和交替方向乘子法进行对比.实验结果表明：当模型中的参数变化时，原始对偶内点法更加高效和稳健.     

基于不可行内点算法的几何规划优化方法

提出了一种优化算法,用以解决古典正项式原－对偶几何规划问题．在一般假设下,该方法应用原－对偶不可行算法,在一类特殊的受摄动ＫＫＴ 系统中定义了一条原－对偶不可行路径,对于每个规划,都产生一个次可行解,规划问题的原－对偶目标函数值最后分别收敛到原－对偶规划值．算法迭代次数少,还不受几何规划问题艰度大小的限制．文中利用对数转换后目标函数Ｈｅｓｓｉａｎ 矩阵的特殊结构,讨论了算法实现问题．算法效果得到实例计算验证     

一类新的自适应信赖域算法

提出了一类新的自适应信赖域算法.该算法利用相邻迭代点的实际下降量与预测下降量的比值加权和来衡量二次模型的近似程度,同时信赖域半径迭代准则采用由Λ-函数给出的一类自适应迭代准则.在一定假设的条件下,算法具有传统信赖域算法的全局收敛性.数值实验表明,算法是稳健和有效的.     

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．     

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.     

A Primal-Dual Infeasible-Interior-Point Algorithm for Multiple Objective Linear Programming Problems

A primal dual infeasiblc-interio-Ppoint algorithm for muhiple objective linear programming (MOLP) problems was presented. In contrast to the current MOLP algorithm. moving through the interior of polytope but not confining the iterates within the feasible region in our proposed algorithm result in a solution approach that is quite differemt and less sensitive to problem size. so providing the potential to dramatically improve the practical computation effectiveness.     

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.     

用变换函数解带线性约束的全局最优问题

结合变换函数方法和下降算法对目标函数有多个极值点且带有线性约束的非线性规划全局问题提出算法.使用的变换函数兼具填充函数和打洞函数的特点.在理论上证明如果当前局部极小点不是全局最优解,一定存在一个变换函数的极小点使得该点的目标函数值小于当前局部极小点的函数值,且该点位于原问题的可行域内.以此点为初始点求解原问题可得到更好的局部极小点.     

对偶单纯形法的一点补充

管梅谷，郑汉鼎在《线性规划》中指出：如果初始基本解不是正则解，那么可以增加一个约束（含一个大数Ｍ）．这个增加了约束的新问题叫做扩充问题．可以用对偶单纯形法解此扩充问题．作者指出：如果扩充问题的最优目标值不含Ｍ，则原问题有最优解．本文进一步指出并证明：如果扩充问题的最优目标值含有Ｍ，则原问题无有限最优解     

一类求解迫近点的Bundle算法

利用建立在近似次梯度基础上的近似Bundle算法研究了迫近点的求解问题，并给出了一类算法及算法的收敛性定理。