Banach空间上一类非凸向量最优规划的对偶性

讨论了一般Banach空间上一类非凸向量最优规划,提出了Banach空间上一类非凸向量最优规划的一个Mond-Weir型对偶问题.基于问题自身的结构特点和利用定义在Banach空间之间的映射不变凸性,获得了对偶问题新的弱(强)对偶结果.在满足Slater型约束品性条件假设下,严格证明了对偶问题新的弱(强)对偶结果.所获得的对偶性研究结果涉及的是一类多目标规划建立在一般Banach空间上,且目标函数及约束函数为不可微强紧Lipschitz.     

单调线性互补问题的非精确不可行内点算法

对单调线性互补问题提出了一种非精确不可行内点算法．该算法的迭代方向仅需要达到一个相对的精度．在初始点位于中心线的某邻域内的假设下，证明了算法的全局收敛性．     

凸约束下一种改进的非线性优化问题的非单调信赖域算法

在凸的可行域上求解非线性优化问题提出一种新的信赖域方法,算法不强调逐次迭代点处目标函数值的严格单调性。对任意初始点,证明了算法收敛到问题的临界点。     

非凸优化问题Lagrange对偶性及其应用

利用非凸优化问题中的Lagrange对偶性思想,对可行集进行恰当的细划,证明了求解相应的Lsagrangian对偶问题所获得的剖分对偶界在适当的假设条件下收敛到原问题的最优值,应用包括反凸约束凹极小问题以及多胞形上仿射比和问题的求解算法。     

凸复合多目标优化问题的二阶最优性条件

研究了闭凸约束下凸复合多目标优化的最优性条件,利用标量凸复合优化问题的最近结果,获得了二阶必要条件,并且通过把标量化问题转化为带有非有限值凸函数的凸复合优化问题,导出了二阶充分条件。     

基于松弛策略解半无限规划模型的修正算法

对于一类线性半无限规划问题给出一种我们称之为修正算法的一种新算法.算法采用松弛策略使得满足一定条件的新割面（相当于一个约束）在每一步迭代时被找到.修正算法的主要改进是避免了每一步迭代寻找全局极小解,或者在每一步迭代中去检验δ（xk）是否为极小值.最后,基于提出的修正算法,并与传统割平面方法、普通离散方法对同一问题作了初步的数值比较实验.     

求解一类非标准DC规划的最优可观点算法

基于借用定位理论中的“可视性（visibility）”假设，我们提出了求解非标准DC问题的一种外逼近方法，称之为最成可视点算法，从而获得问题的全局最优解，并证明了算法的收敛性，该方法当非凸变量的数目较少时是有效的、实用的，它为非标准DC问题提出了一种新的求解途径。     

求解一类非标准DC规划的最优可视点算法

基于借用定位理论中的“可视性 (visibility)”假设 ,我们提出了求解非标准DC问题的一种外逼近方法 ,称之为最优可视点算法 ,从而获得问题的全局最优解 ,并证明了算法的收敛性 .该方法当非凸变量的数目较少时是有效的、实用的 .它为非标准DC问题提供了一种新的求解途径     

极小极大分式规划问题的一个注记及应用

考虑了一般的极小极大分式规划问题．在不需要约束品性条件的假设下，通过利用参数处理这一技巧，把所考虑的问题化为等价的非分式规划问题，获得了新的必要和充分最优性条件．另外，利用这些最优性判据建立了一个参数对偶模型．     

框式凸规划的原始-对偶不可行内点算法的全局收敛性

对框式约束的可微凸规划提出了一个原始－对偶不可行内点算法，并证明了算法的全局收敛性。