排序方式: 共有3条查询结果,搜索用时 0 毫秒
1
1.
提出了一类带有概率约束的稀疏线性回归模型,一定程度上改善了经典模型的不足.通过概率和数学期望的关系,以及非负实数集合的指示函数可以用两个凸函数之差近似的性质,建立了其保守近似模型,同时建立了近似模型和原模型的最优解集合,稳定点集合之间的收敛关系.为了求解近似模型,利用凸函数差的性质,建立了序列凸近似算法,并证明了其收敛性.注意序列凸近似的子问题是随机优化问题,其中随机变量可以用Monte Carlo随机抽样进行近似.可以证明Monte Carlo近似问题的结果以概率1收敛到序列凸子问题.最后数值实验说明了该方法的有效性. 相似文献
2.
线性互补问题是一类有着广泛应用背景的重要数学问题,本文主要讨论其求解方法.本文首先将线性互补问题等价转化为目标函数含有Dc函数(两个凸函数的差函数)的优化问题,然后对该Dc问题目标函数的第二部分凸函数进行线性化,得到一列凸近似子问题.本文证明该列子问题的解的聚点是线性互补问题的稳定点. 相似文献
3.
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. 相似文献
1