非线性规划方法简介(Ⅱ)

四、n维空间R~n中无约束最优化问题这一章我们考虑无约束的非线性规划问题■ (4.1)当f(x)为R~n中一般的实函数时,这个问题的解决是很困难的。目前的方法只能近似地得到某个点x~*,它是f(x)的平稳点(满足最优解的必要条件的点),但不能保证x~*一定是整体极小解。对于实际问题,我们往往满足于求出一个近似的局部极小解。§4.1 直接搜索方法这类方法大多是一些直觉方法,它们只需要在若干被选择的点上比较f(x)的函数值,而不需要计算导数。一般而言,当f(x)是比较光滑的函数时,这类方法比下降方法和梯度方法     

关于Loffe问题的一个反例

对于凸函数有如下性质:如果f、g均为R~1上的凸函数,并且对任意的x∈R~n,(?)f(x)==g(x),其中f(x)与g(x)分别表示f和g的次微分,则f(x)-g(x)=const。关于近似次微分,1984年,Loffe在文中提出了如下问题:设f、g是R上Lipschitz函数,并且(?)_nf(x)=(?)_ag(z),是否有f(z)-g(z)=const? 可以证明当f(x)为局部Lipschitz函数,且几乎处处满足正则条件时,可以得到肯定的结论。但从下面提出的例子可看出,对于一般情形,即,对一般的Lipschitz函数来说结论     

滞后型泛函微分方程可反向延拓的充要条件

本文使用文[1]的有关符号和概念.考虑滞后型泛函微分方程x=f(t,x_t) (1)x∈R~n,x_t∈C=C([-r,0],R~n),r>0,f(t,φ):Ω→R~n”连续,Ω是 R×C 中的开子集,且设 f_φ~″和 f_φ~′在Ω中连续定义(?):[-r-α,0]→R~n,0<α相似文献   

偶映射定理

受奇映射定理的启发,本文证明了连续偶映射的Brouwer度为偶数,即偶映射定理.(H)设D(?)R~n是有界对称含0的开集,f:D→R~n是连续偶映射(f(x)=f(-X),(?)X∈D)使O(?)f((?)D)有如下主要结果:1~0如假设(H)满足,则deg(f,D,0)是偶数.2~0如假设(H)满足,R~n的维数n为奇数且f(x)+(λ-1)x≠0,(?)x∈D和λ>1,则f在(?)D上必有零点.3~0如假设(H)满足但R~n的维数n为奇数,则存在y∈(?)D和λ>0(或λ<0)使f(y)=λy.我们进一步按上述内容对全偶连续映时进行了讨论.映射f:D→R~n是全偶的,只要f((-1)~(a1)x_1,…(-1)~(an)x_n)=f(x_1,…x_n),(?)(a_1,…a_n)∈δ_n(0,1),这里δ_n(0,1)={(a_1,…,a_n)|a_i=0或1,(?)i∈{1,2,…,n}}.     

非线性退缩椭圆边值问题的多重解

1.问题与条件 在有界凸区域Q R~n(n≥2)上考虑问题:的多重解。其中aj_1(x)=aj_1(x)∈C°(Ω),且a_1(x)ξ_1ξ_j≥λ(x)|ξ|~2≥0(x)∈Ω 、ξ∈R~n),λ~(-1)(x)∈L~s(Ω)(s n)。∑=Ω,∑_3(=∑\∑_0)非空,∑_0=|x∈∑|n_1j(x)nj(x)。     

关于n维拟共形映射的一个存在定理

设R~n是n维欧几里德空间(n≥2),D=R~n是R~n中的一个真子域,对于x,y∈D,0log1/(1-c),存在F:R~n→R~n是一个拟共形映射,满足如下条件: 1) K_D(x,F(y))≤log1/(1-c) 2) F:R~n\D→R~n\D是一个恒等映射 3) logK_1(f)≤2/cK(x,y)     

柱形与板形区域中的Phragmén-Lindelof定理

本文所讨论的二阶线性偏微分算子为(?)记所讨论区域为Ω(?)R~n,并有一半柱形区域Γ,使Ω∩B_R(∞)(?)Γ,其中 B_R(∞)={x∈R~n;|x|>R}。由于坐标系的平移与转动是无妨的,所以能够将半柱体Γ表为{X∈     

求解一类二阶段有补偿问题的对偶梯度法

1 问题的描述在含有随机变量的复杂决策问题中所产生的二阶段有补偿问题通常具有如下形式这里D={x|Ax=d,x≥0}?R~n为约束区域,A∈R~(m×n),d∈R~m(m≤n),h(x)为x的实函数,Q(x)=EQ(x,ω),而Q(x,ω)为相应于样本点ω的随机变量并取第二阶段(补偿)问题的最优值.对于问题(1),已有算法均限于具有简单补偿和随机右端项的随机线性规划问题,并且算法比较     

二次规划的理论与算法(Ⅳ)

五、无约束二次规划问题的算法在这一章我们将介绍求解二次函数f(x)=p'x+1/2x'Cx在R~n中的最优点的几种算法。研究这个问题除了它本身的需要外,还对于研究一般的无约束非线性规划问题的算法有重要意义。因为无约束的非线性规划问题的不少算法是由二次规划的算法推广而成的。下面介绍的算法都能保证从任意初始点出发,经过有限次迭代运算后到达二次目标函数的最优点,或者能够判断出二次函数无最优点。因此在实用上,这几种算法的效果是很好的。 5.1.转轴方法根据本文定理2.2(见本刊1985年第一期),二次函数f(x)如有极小解,则矩阵C必为半正定矩阵;反之,二次函数f(x)如有极大解,则C必为半负定矩阵。定理2.2还指出,二     

非线性规划方法简介(Ⅲ)

五、带线性约束的最优化问题这一章我们讨论如下的非线性规划问题 minf(x) Ax=b, (5.1) Dx≥d,其中A和D分别是m_1×n和m_2×n矩阵,且A是行满秩的矩阵。符号A_1和D_1分别表示矩阵A的第t行和矩阵D的第i行。如果(?)是问题(5.1)的一个可行解,定义标号集(?),我们称(?)中的标号对应的约束条件为点(?)的“起作用约束”(或主动约束),同时每一等式约束条件A_ix=b_i也是点(?)的起作用约束。起作用约束这一概     

常微分方程分支解的一种数值计算方法

其中[a,b]×R~n×R(?)(t,x,λ)(?)f(t,x;λ)∈R~n 和 R~n×R~n×R(?)(ξ,(?),λ)(?)(?)(ξ,η;λ)∈R~n 是 p(≥2)次连续可微的,λ为参数。当(p)在解(x(t),λ)处的线性化问题有非零解时,(p)的解在该处可能发生分支。已有不少文章对这种分支问题进行了讨论,但这些讨论都需要线性化的共轭问题的特征函数的信息。当线性化问题不是自共轭时,这将是不方便的。利用打靶法,可以把(p)化为一个有限维方程组,对有限维分支问题来讲已有相当深入的讨论,本文     

拟线性椭圆型方程Dirichlet问题非平凡解的存在性

本文利用山路引理在广义Sobolev空间■~(1,F)(Ω)(其中P=(P_1,P_2,…,P_n),P_(?)≥2,i=1,2,…,n)中讨论了下面Dirichlet问题非平凡解的存在性:(?)(x,u,Du)-F_n(x,u,Du)=0,x∈Ω,证明了上述方程在(?)~(1,p)(Ω)中具有非平凡弱解,并且如果I(u)=∫_(Ω)F(x,u,Du)dx是偶泛函,则上述问题具有无穷多个非平凡弱解。     

全局优化问题的若干新进展

§1 引言全局优化问题是寻求实值目标函数 f:R~n→R 的全局极值点(例如全局极小点)X_*,即求一点X_*∈R~n 使得f(x_*)≤f(x) _x∈R~n……(1)除非特别声明,我们假定 f 二次连续可微。从计算的角度出发,通常假定集合 S R~n 是紧凸集,并包含全局极小点为其内点。求极小值的问题y_*= ……(2)     

Walsh正交函数系

1.引论 本文所考虑的就范正交完备系是由下面的关系来定义的: Ψ_o(x)=1,Ψ_n(x)=(?)_n_1(x)(?)_n_2(x)…(?)_n_1(x),n=1,2,3… (1·1)其中正整数n_i与函数(?)_n(x)分别由下列二式确定:     

n维非自治系统周期解的个数

本文利用非线性泛函分析中拓扑度的理论,讨论了 n 维非自治系统x=A(t)x 1/λg(t,x).x∈R~n (1)并在系统(1)对应的齐次方程x=A(t)x x∈R~n (2)无非平凡周期解的情况下,得到系统(1)存在三个周期解的充分条件。     

连续凸函数一个性质的新证明

我们知道连续凸函数具有这样一个性质: 定理设f(x)是R~n上的实值连续函数,若对于任意的x_1,x_2∈R~n,都有 f(1/2x_2 1/2x_2)≤1/2f(x_1) 1/2f(x_2) (1)则f(x)必为凸函数。一般函数论教材,在论证这一性质时,大都采用哥西的巧妙证法,下面我们用反证法证明这一结论。证明:若f(x)不是凸函数,根据凸函数的定义,则至少存在两个点x_1、x_2∈R及0≤a_0≤1     

具多重特征的线性偏微分算子局部可解的充分条件

引言对于主型线性偏微分算子的局部可解性,已有 L.Nirenberg,F.Treves[3]及R.Beals,C.Fefferman[1]给出所谓 N—T 条件:设 P(x,D)是开集Ω(?)R~n 上的主型算子,其主符征 Pm(x,ξ)∈C~∞(TΩ).     

局部lipschitz映象的全局反函数定理

一、引言在光滑分析中有下列著名的全局反函数定理(参见[1]):设f∶R~n→R~n为C~p映象(P≥1).如果对于任何x∈R~n,f＇(x)满秩并且     

一类非线性代数方程组的迭代解法

用Ortega与Rheinboldt的专著(多变量非线性方程组的迭代解法)的定理6.4.4.可得形如x Fx=b (1)的n元非线性代数方程组(其中映象F:R~n→R~n为单调与连续)对任意b∈R~n存在唯一解,但没有近似求解的算法,Dotson,Jr.的短文(1978,Math.Comput.)对映象F为单调且非膨胀的情形得到收敛于解的迭代程序。我们把映象F为单调且非膨胀的条件减弱为单调且满足Lipschitz条件,同样得到收敛于解的迭代程序,并对实际计算提出一些参考意见,有如下的一些结果:     

偏序下区间迭代法的几个定理

有很多类型的非线性方程组可以使用单调收敛的算法求解,但是它们对初始值都有一些苛刻的要求,本文将这类方程组统一为一种形式,并对任意初始条件给出了算法以及解的存在性、唯一性和算法的收敛性定理。本文考虑非线性方程组(?)(x)=x x∈R~n (1)设存在f_i:R~r(?)×s(?)→R,使得