具有离散分布的两阶段随机二阶锥规划问题的最优性条件

主要探讨两阶段随机二阶锥规划问题的最优性条件.首先,基于Lagrange对偶理论,建立了第二阶段随机二阶锥规划问题的对偶问题,并分析了最优值函数的次微分性质;其次,当随机数据的概率分布具有有限支撑时,讨论了期望补偿函数的次微分性质;最后,给出了具有离散分布的两阶段随机二阶锥规划问题的最优性条件.     

具有离散分布的两阶段随机二阶锥规划问题的最优性条件

两阶段随机二阶锥规划模型在工程和生产等许多实际问题中有广泛的应用,该模型的有效求解方法备受关注.最优性条件在算法设计中扮演着重要的角色.基于Lagrange对偶理论,主要探讨具有离散分布的两阶段随机二阶锥规划问题的最优性条件.在Slater条件下,建立了第二阶段问题的对偶问题并分析了最优值函数的次微分性质;当随机数据服从离散分布时,证明了两阶段随机二阶锥规划问题的最优性条件.     

求解一类二阶锥规划问题的神经网络及应用

考虑了一类二阶锥规划问题.利用两个光滑函数分别将二阶锥约束转化为光滑的凸约束,提出了求解这类二阶锥规划问题的两个新神经网络,并在适当的条件下证明了提出的神经网络是Lyapunov稳定的,且以任意精度收敛到原问题的解.数值实例说明了两个新神经网络的有效性.     

带矩约束的二阶段分布式鲁棒优化

针对带有矩约束的两阶段分布式鲁棒优化问题,当随机变量的支撑集是多面体时,利用线性规划对偶、无穷维规划对偶、二次规划的Wolfe对偶等理论研究两阶段分布式鲁棒优化问题的等价可求解模型.在分布式鲁棒优化的决策变量服从线性决策和第二阶段中的右端项为随机变量两种不同的情形下,给出对应的两阶段分布式鲁棒优化均能等价转化为可用已有算法求解的二阶锥优化问题.     

钢框架结构离散优化问题的理论下界

针对两种典型的钢框架结构离散优化问题,即柔度约束的最小体积问题和体积约束的最小柔度问题,提出了基于凸组合的线性松弛方法,将关联离散变量进行线性松弛,进而将非线性、非凸的离散优化问题转化为松弛的凸规划问题.其中,体积约束的最小柔度问题可松弛为二阶锥规划问题,柔度约束的最小体积问题可松弛为半定规划问题.采用成熟的优化求解器,就可以得到两类凸规划问题的全局最优解,也就是原离散优化问题的理论下界.以一跨四层钢框架的离散优化问题为例,用所提出方法进行求解,并用枚举法和遗传算法对优化结果进行验证.数值结果证明,所提出方法可以快速得到离散优化问题的理论下界.     

一个非线性二阶锥规划问题的灵敏度分析

对目标函数和约束函数分别为非线性的二阶锥规划问题,我们对其参数扰动下的严格互补、唯一稳定点的灵敏度进行分析．在Slater条件和严格互补性假设下,建立了扰动非线性二阶锥规划问题的解关于扰动变量的可微性定理．     

线性两比式和的全局优化新算法

对线性两比式和这一非凸NP-困难的优化问题提出新的全局优化算法.首先把原问题等价地转化为一维参数优化问题.设计了巧妙的下界估计方法,在此基础上提出相应的分支定界算法,该算法最坏情况下可需要O(1/ε)迭代步以求得ε-近似全局最优解.数值结果表明,提出的新算法优于商业软件包BARON.此外,针对线性两比式和问题的一个具有隐凸性(等价于一个二阶锥规划)的应用特例,分支定界算法比基于CVX平台调用SDPT3求解相应的二阶锥规划等价模型效率更高.     

二阶锥规划的Lagrange对偶及2维原始对偶单纯形法

目前对二阶锥规划算法的研究是数学规划领域的研究热点之一,在这方面的研究成果初具规模.文中着重研究两方面问题:一是详细推导二阶锥规划的Lagrange对偶问题;二是将2维二阶锥规划(即二阶锥约束都是2维的,但自变量的总维数是2r维的,r表示二阶锥约束的个数)转化成相应的标准形线性规划,给出其原始对偶单纯形法,并举例说明算法的应用,最后进行部分灵敏度分析.这一工作基本完善了2维二阶锥规划的单纯形类方法,即至此,2维二阶锥规划的原始单纯形法、对偶单纯形法和原始对偶单纯形法的理论已较完善.其他拓广的单纯形类方法可在将2维二阶锥规划转化成相应的标准形线性规划之后对应线性规划的拓广单纯形类方法直接得到.     

一类悲观二层规划问题的一阶必要最优性条件

在Hilbert空间中,考虑上层约束为有限个不等式,下层为锥约束的一类悲观二层规划问题。首先利用上层问题的极大化最优值函数和下层问题的极小化最优值函数将原问题化为单层约束优化问题,在适当的假设条件下,结合上层极大化最优值函数的次微分估计和下层极小化最优值函数方向导数上下界的性质得到了原问题一阶必要最优性条件的详细刻画。     

向量优化问题严格有效性的二阶最优性条件

 利用约束集的相依锥以及线性锥,结合凸集分离定理,在适当的正则性条件下得到了一类带字典序的向量优化问题的Lagrange乘子法则,并在此基础上提出了Lagrangian函数的概念.同时,利用Lagrangian函数建立了向量优化问题严格有效性的二阶最优性条件.     

具有广义多面体约束的参数变分不等式解映射伴同导数

在研究参数变分不等式稳定性理论及均衡约束数学规划的最优性条件时,计算参数变分不等式解映射的伴同导数显得尤为重要.考虑了具有等式约束的广义多面体约束的参数不等式.首先,在无约束规范条件下,利用二阶微分理论,给出了具有广义多面体约束的法锥的图的法锥.其次,借助辅助多面体集合及约束规范条件,得到了更为简洁的法锥形式.最后,给出参数变分不等式的解映射的伴同导数.     

一种新的求解圆锥规划的非内点算法

针对一般的圆锥优化问题,本文提出了一种新的非内点算法.该算法根据圆锥与二阶锥的关系通过引入一个与圆锥规划互补条件等价的投影方程将问题转化为线性方程组求解,且在每步迭代中只需求解一个系数矩阵固定的线性方程组并执行两次投影运算.该算法还具有可以从任意初始点开始且不要求仿射约束系数矩阵的行向量组线性独立等特点.本文还在较弱的假设条件下证明了算法的全局收敛性.数值实验结果表明该算法快速有效.     

二阶锥规划的一种随机线性化方法

由于二阶锥规划(Second Order Cone Programming,简记SOCP)的广泛应用,相关问题的研究越来越引起人们的高度重视.人们求解二阶锥规划问题往往通过将其转化为线性规划、半定规划.针对某一类二阶锥规划,将其等价转化为半定规划,利用半定规划的线性化来解出一个ε-水平解,进而用随机线性化的方法来求解二阶锥规划问题,使得对于某些二阶锥规划的实际问题可以有效而简便的获得所需要的解.     

一类互补约束优化问题的一个扰动方法的收敛性

互补约束优化问题是一类重要的最优化问题,在科学和工程中有着重要的应用.交通规划的道路扩容问题,经济学领域的DICE模型都是互补约束优化问题.这类问题因为约束集合不满足通常的约束规范而不能用传统的非线性规划方法处理,往往用光滑近似的方法来克服这一困难.考虑一类互补约束优化问题的基于光滑化Fischer-Burmeister函数的扰动方法.证明了当光滑化参数μ↘0时扰动问题的值收敛到原问题的最优值,扰动问题的最优解集合的外极限包含在问题最优解集合中.说明扰动问题很容易满足通常的约束规范,并给出扰动问题的一阶必要性最优条件和二阶充分性最优条件.     

混合约束非凸规划拟锥条件下的同伦方法

使用同伦算法研究混合约束的非凸非线性规划问题. 当规划问题为混合约束（带有等式约束）时, 可行域变成一个边界区域, 并没有内点. 通过对可行域定义新的拟锥条件, 给出相应同伦方程, 并证明此同伦算法在此拟锥条件下具有全局收敛性.     

含参DC复合优化问题值函数的Mordukhovich次微分

利用函数的次微分性质,并引入弱性约束规范条件,对含参DC复合优化问题最优值函数的Mordukhovich次微分进行了估计,并将相关结论应用于DC复合锥规划问题之中.     

2维二阶锥规划的对偶单纯形法

详细介绍了将2维二阶锥规划问题转换成线性规划问题的过程并得到了两问题间的一些重要关系. 通过用对偶单纯形法求解线性规划问题来最终解决原2维二阶锥规划问题,最后做了部分的灵敏度分析.这些将为研究低维的二阶锥规划问题提供多一类便捷的计算方法.     

Sharp增广拉格朗日函数的局部鞍点

对于约束优化问题,证明了局部鞍点就是局部最优解,利用泰勒展开公式证明了sharp增广拉格朗日函数在二阶充分性条件下,局部鞍点的存在性,从而保证了原问题和对偶问题的局部最优值相等.     

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.     

随机二阶锥互补约束优化模型的一般光滑化SAA方法

讨论一般随机二阶锥互补约束问题的求解算法.为处理模型中的不确定性，算法采用样本平均近似(SAA)抽样技术.不同于之前的工作，设计了一般光滑化SAA算法框架，可以在满足要求的一类光滑化函数中根据需要进行选择，从而构造光滑化SAA算法，并保证收敛性.具体的，若SOCMPCC线性无关约束规范等条件成立，则算法构造子问题的稳定点和最优解分别以概率1收敛到原问题的C稳定点和最优解.最后具体给出两个光滑化函数与其对应光滑化SAA算法的例子，由一般光滑化算法框架可得这两种算法收敛.