复合凸优化问题的稳定强对偶

先建立复合凸优化问题的对偶问题, 然后利用共轭函数上图的性质引入一些新的更弱的约束品性, 并借助这些约束品性刻画了复合凸优化问题的稳
定强对偶和强对偶.     

复合优化问题的Lagrange全对偶

在函数不一定下半连续的情况下,利用次微分的性质,引进新的约束规划条件,刻画了复合优化问题的稳定全对偶,并把相关结论应用于复合锥规划的研究之中,推广了前人的相关结论。     

复合DC优化问题的稳定全对偶

利用函数的次微分性质引入了2个新的约束规范条件,建立了复合DC优化问题与其对偶问题之间的全对偶和稳定全对偶成立的充分或必要条件.     

约束优化问题的一种对偶性刻画

首先对一类集合,从两个不同的侧面刻画了集合沿某个方向的极小极大问题,并阐述了极小值与极大值相等的条件.对应于经典的优化问题,借助于目标函数的上图,将原问题与对偶问题对应于某个集合的极小极大问题,得到强对偶定理.最后,对Hilbert空间上的一类约束优化问题进行了刻画,得到了这一类约束优化问题的强对偶定理,进而可以通过对偶问题求解原问题.     

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。     

大规模可分凸优化问题的自适应步随机原始对偶算法

针对大规模可分凸优化问题,提出自适应步随机原始对偶算法。首先将此问题等价地转换为一个对偶变量可分离的鞍点问题,接着随机选择鞍点问题的对偶变量更新,并按照一定规则自适应选取原始对偶步,证明得到该算法迭代点的遍历序列按期望以O(1/N)的速率收敛。数值实验的结果表明该算法可以有效解决正电子发射断层成像问题。     

不确定信息下凸优化问题拟近似解的刻画

主要研究在不确定信息下凸优化问题的拟近似解刻画.通过将不确定信息下的凸优化问题转化为鲁棒凸优化问题,即致力于使得不确定信息下的凸优化问题最坏的解也不受不确定信息的干扰,已有论文结果主要研究了鲁棒优化问题的有效解和近似有效解的最优性条件和对偶理论,但拟近似解是一种比近似解更广义的概念,故本论述研究拟近似解的最优性条件,获...     

一类非凸非线性分式规划的对偶性

对广义不变凸性条件进行推广,引入了几类更为广泛的广义不变凸性概念,并证明了在这几类新广义不变凸性条件下,一类非凸非线性分式规划的弱对偶定理、强对偶定理和逆对偶定理。所得结果涵盖并推广了有关已知的对偶性定理。     

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。     

一类不确定优化问题的鲁棒对偶性刻画

通过引入一类目标函数和约束条件均带有不确定信息的优化问题, 借助鲁棒型次微分约束品性, 刻画了该不确定优化问题与其不确定对偶问题之间的Mond-Weir型鲁棒对偶性, 即原问题的鲁棒对应与其对偶问题的最优对应之间的对偶性.     

不变凸多目标规划的对偶

给出一类复合向量值不变凸函数,并将该类不变凸函数应用到多目标规划问题上,建立了这类不变凸多目标规划的Craven型对偶,并证明了原规划与对偶规划之间的弱对偶、强对偶和逆对偶定理.     

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。     

一类锥约束的多目标优化问题的拉格朗日强对偶定理

通过运用非线性拉格朗日函数,分别在定义域X有界和无界时,讨论了多目标优化问题及其对偶问题的解的关系,并将优化问题的约束条件由-Rm+推广到Rm空间中任意的锥K,以便解决更一般的多目标优化问题.     

关于VD2~〔6〕算法中的充分条件的一种证明

本文对于ＶＤ ２算法中的充分条件给出了证明。通过文中的证明，给出了对于这一充 分条件所作的深入研究的结果，使得条件的含义更加准确，从而在计算中能够有效地使用 它。     

非锥凸最优化问题中最优目标函数值的界

约束为一般闭凸集且原非锥凸规划问题或其对偶可行时,令d扰动, 考察新系统中最优目标函数值的变化.     

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.