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.     

求解一类非凸非光滑约束优化问题的邻近滤子束算法

针对一类特殊的非凸非光滑约束优化问题提出了邻近滤子束算法.该问题的目标函数为lower-c2而约束函数为凸的.具体地,首先对目标函数采用凸化技术得到修正的问题,接着利用改进函数将修正后的约束问题转变为无约束问题,设计邻近束算法来求解这个无约束问题并在邻近束算法中引入滤子策略来确定下降步.数值结果表明了该算法的有效性和可靠性.     

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。
     

基于邻近算子求解带凸集约束可分离凸优化问题的原始对偶不动点算法

很多实际问题根据不同的物理背景,解的取值是有一定限制的.本文拟推广PDFP2O算法以求解带闭凸集约束的可分离凸优化问题.通过将闭凸集约束表示成示性函数而加入目标函数中的技巧,适当重组函数,可直接利用PDFP2O算法求解,再利用函数的可分离性,即可得到闭凸集上的基于邻近算子的原始对偶不动点算法(PDFP2OC).因为PDFP2OC本质上就是利用PDFP2O求解与原问题等价的无约束问题,根据PDFP2O的理论结果,可以方便地得到PDFP2OC的收敛性以及收敛速度.最后通过CT重构说明了算法的有效性.     

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.     

可分非凸稳态大系统凸化方法研究

本文讨论带一般约束的可分非凸稳态大系统的凸化方法。采用只增加部分约束罚项的思想,提出了一种既能将原非凸问题目标函数凸化,又能保持原问题可分性的构造增广Lagrange函数的新方法,并给出了该问题的递阶优化算法,证明了算法的收敛性,给出了收敛速度的估计.     

基于T-S模型方法的非线性随机时滞金融系统的多目标优化

主要研究了不确定随机时滞金融系统的多目标H_2/H_∞的投资策略问题,多目标H_2/H_∞投资策略能够使得投资成本和投资风险尽可能达到最小.通过运用T-S模糊方法将多目标模糊投资策略问题转化为线性矩阵不等式(Linear Matrix Inequality,简写为LMI)约束的多目标优化问题(Multiobjective Optimization Problem,简写为MOP).另外,基于线性矩阵不等式的多目标进化算法(Multiobjective Evolution Algorithm,简写为MOEA)寻找多目标优化问题的Pareto最优解,最后投资者可以根据他们自己的喜好选择一个互惠策略.     

一类全局优化问题的新的凸化、凹化法

对于目标函数非凸非凹,而约束函数具有凹、凸性的非线性规划问题,本文提出了一种新的凸化凹化法。把目标函数直接凸化、凹化,再把原问题转化为反凸规划问题或极小化问题或标准D.C.规划问题,从而求得原问题的全局最优解。     

线性分式和规划问题的全局优化算法

提出一种求解线性分式和规划问题的分支定界算法.该算法首先利用等价转换技巧构造出原问题的等价问题,然后通过凹凸性包络技术建立等价问题中目标函数与约束函数的下逼近函数,得到其线性松弛规划,从而将原来的非凸规划问题转化为一系列线性规划问题,以确定原问题最优值的下界.从理论上证明了算法的收敛性,并用数值试验验证了算法的可行性和有效性.     

一类联合最大特征值函数优化问题

非光滑凸优化问题是运筹学的一类重要问题.束方法作为解决非光滑凸优化问题最有效的方法之一,已经被广泛地应用于各个领域.运用束方法对最大特征值函数与一般非光滑凸函数之和的优化问题进行研究.首先,对目标函数进行近似;其次,给出求解此类优化问题的带有罚项的束方法算法;最后,通过收敛性分析证明了算法产生的序列会收敛到原问题的最优解.     

非光滑约束优化的改进水平束方法

为求解一类非光滑约束凸优化问题,提出了基于Bregman距离的水平束方法,将传统欧氏距离推广到广义Bregman距离,从而可充分利用可行集的几何结构,提升计算效率。该方法利用多面体模型近似原问题的目标函数和约束函数,并引入改进函数作为最优性判别函数。最后证明了算法的全局收敛性并分析了迭代复杂度。     

带约束的离散全局优化问题的填充函数法

通过构造一个新的双参数填充函数求解带约束的离散全局优化问题的全局最优解,研究了填充函数的分析性质,并据此给出了带约束的离散全局优化问题的一个填充函数算法.数值试验证结果表明该算法是可行的、有效的.     

关于B-不变凸约束优化问题解集的刻画

给出了不同的带不等式约束的B-不变凸优化问题的最优解集的刻画,其结果用梯度和拉格朗日乘子表示。首先,证明了带不等式约束的B-不变凸优化问题的可行域和最优解集都是不变凸集,其次,建立了B-不变凸优化问题的拉格朗日函数在最优解集中是常值函数,然后,利用该性质得到了一些拉格朗日乘子为基础的最优解集的刻画。     

线性约束优化问题的一类变尺度方向的内点算法

基于内点算法思想，利用投影技术，给出了求解线性约束优化问题的一类变尺度方向内点算法．改善了算法的收敛速度．同时，在去掉目标函数的凸性及Ｌｉｐｓｃｈｉｔｚ性假设之下，同样给出了算法的收敛性定理     

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。     

约束DC优化的双束法及对偶问题

针对带有凸不等式约束的非光滑DC优化问题,提出了一种基于罚函数的凸约束DC优化问题双束法,同时也刻画了双束法子问题的对偶问题;首先,利用L_1精确罚技巧把凸约束DC优化问题转化成无约束DC优化问题,便于直接对目标函数进行DC分解,然后分别建立了增广目标函数DC分量的凸分段线性近似模型,最后利用Lagrange函数得到了原问题和对偶问题最优解之间的等价关系,说明了利用对偶问题求解搜索方向的可行性和有效性。     

具有可分离结构的线性约束凸优化问题的迫近正则收缩算法

对具有可分离结构的线性约束凸优化问题(也就是目标函数是有2个算子和形式的可分离凸优化问题)展开研究,考虑在一定的假设条件下,通过选取合适的迫近正则参数矩阵G,拟利用可实现的迫近正则收缩法求解具有可分离结构的线性约束凸优化问题.将与原问题等价的变分不等式作为理论研究框架,通过将原问题转化为一系列容易求解的子问题,达到降低原问题求解难度的目的,下一个迭代点的获取通过求解子问题生成.最后,提出一种新的迫近正则收缩算法,并且应用变分不等式等相关理论对文中给出的迫近正则收缩算法进行了收敛性分析.     

线性约束优化问题的一类变尺度方向的内点算法

基于内点算法思想，利用投影技术，给出了求解线性约束化问题的一类变尺度方向内点算法。改善了算法的收敛速度。同时，在去掉目标函数的凸性及Ｌｉｐｓｃｈｉｔｚ性假设之下，同样给出了算法的收敛性定理。     

约束优化问题的序列近似方法收敛性

对抽象约束优化问题的序列近似方法的收敛性进行讨论,证明了在目标函数序列连续收敛和约束集合序列收敛的条件下,序列近似问题的全局最优值收敛到原问题的最优值.进一步,证明了在序列近似问题目标函数和约束集合具有某些单调性质的前提下,把目标函数序列连续收敛减弱到上图收敛,该结论仍然成立.最后,将这一结果用于分析互补约束优化问题的光滑化方法的收敛性中.     

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.