带有两个反凸约束凹极小

针对线性的约束再加两个反凸约束条件下，求解凹函数全局极小问题，提出一悠闲的的锥分解算法，该算法比普通半分法收敛快。     

非凸全局最优化的一种凸化、凹化方法

给出了一种凸化、凹化变换,将一个严格单调函数转化为一个凸或凹的函数;给出了一种凸化和凹化变换,在约束函数都是单调递减时,将一个既不单调凸也不是单调凹的目标函数转化为一个凸和凹函数;最终,将原始问题转换成一个凹极小问题或反凸规划问题来求得其最优解.     

带一个反凸约束的凸规划问题

讨论带一个反凸约束的凸规划问题－ 给出了整体最优解的特性，利用此特性借助分枝定界方法，构造出求该问题整体最优解的算法，并进行了收敛性分析－     

一类数学规划问题的新的凸化和凹化方法

给出了满足一定条件的数学规划问题的一个新的凸化、凹化方法,从而将这一类规划问题转化为等价的凹极小问题,再利用已有的算法求解该问题。     

次凹函数和正态分布随机机会约束规划的凸性研究

本文以次凹函数为工具,研究了正态分布随机机会约束规划的凸性问题,得到了若干凸性命题.     

带拟凸约束的极小规则

本文给出带拟凸约束规划的一个新算法,其结果改进和推广了文－「１－３」的结论。     

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。     

凸-凹极小极大优化问题的零阶梯度下降上升算法

【目的】为了解决基于梯度下降上升算法在某些应用中,目标函数的梯度信息计算昂贵或难以获取的问题。【方法】基于此,针对一类凸-凹极小极大优化问题,在梯度下降上升算法(OGDA)的框架下,基于均匀分布的平滑化方法用差商来近似函数梯度信息,提出了一类零阶梯度下降上升算法(ZO-OGDA)。【结果】基于带误差的邻近点算法的收敛性分析理论,证明得到所提算法ZO-OGDA取得ε-稳定点的迭代复杂度为O(ε^-1)。【结论】最后通过数值仿真,实验结果表明所提出的算法ZO-OGDA在数值上与算法OGDA表现相近。     

凸（凹）函数的若干应用

凸函数是一类非常重要的函数,本文介绍了凸函数在证明不等式,最优化理论及经济学中的应用。     

一类非凸-强凹极小极大问题的零阶优化算法

极小极大问题是博弈论和机器学习中的一类重要问题。目前已有大量基于目标函数的梯度和Hessian阵信息的优化算法来求解这类问题。但在有些应用中,目标函数的梯度或Hessian阵信息往往是计算昂贵或难以获取的。为此,针对一类非凸-强凹极小极大问题,在极小极大三次正则化牛顿算法的框架下,通过基于Stein恒等式的高斯平滑化方法来近似梯度与Hessian阵信息,进而提出一类零阶极小极大三次正则化牛顿算法。分析算法的收敛性,并得到算法达到一个二阶平稳点时的迭代复杂度为O（ε-3/2）,其中ε是算法终止所达到的精度。数值仿真实验结果表明：在相同的精度下,所提出的算法在CPU运行时间上优于极小极大三次正则化牛顿算法。     

凸约束不定二次规划问题的分枝定界方法

针对凸约束不定二次规划问题,给出一个分枝界定方法。通过将凸约束不定二次规划问题等价地转化为凸凹规划问题,利用超矩形体的二分技术和锥剖分技术,在超矩形体上确定原问题的最优解,并进行了收敛性分析。     

凸函数的共轭函数的几何解释

在凸分析和凸优化中,凸函数的共轭函数是一个非常重要的概念.给定一个凸函数,要求出该函数的共轭函数,并对共轭函数的图像有一个直观清晰的了解并不容易.而一个函数的图像对理解该函数的性质非常重要.基于凸分析中凸函数及其共轭函数的概念及性质,给出了共轭函数的几何解释.这种解释有助于对共轭函数的概念及其性质的理解.     

不光滑凸函数的下降算法

给出一个易在计算机上实现的极小化凸不光滑函数的下降算法，在目标函数下有界的条件下，证明了算法的全局收敛性；此外还把算法推广到约束凸规划问题，得到了与无约束问题同样的收敛结果，如果约束是线性的，则算法是数值可行的。和已有的下降算法相比，该算法具有更好的适应性。     

凸二次规划的一种分解算法

An algorithm to solve convex quadratic programming with nonnegative variables and linear equation constraints is given by means of the concept of ABS algorithm and decomposition strategy. If the object function is strict convex ,then the optimal solution can be gotten in finite steps ; otherwise ,the algorithm is superlinear convergent.     

约束优化问题测试函数的一个构造方法

给出了约束优化问题测试算例的一个构造方法,分别给出了非凸规划、凸规划测试函数的构造方法,构造的约束优化问题在可行域边界达到最优解。并就构造的算例分别用非线性规划求解软件进行了验证,结果表明构造方法是有效的。     

结合全局最优策略的双层线性规划算法

运用线性规划内点算法求解双层线性规划的内层规划，使双层线性规划等价于一序列非线性规划问题；证明了该算法的收敛性。并结合全局最优策略给出了可行的算法步骤。     

基于小生境遗传算法的多峰函数全局优化研究

针对基本遗传算法在求解多峰函数时很难找到全部最优解的问题，研究了基于淘汰相似结构机制的小生境遗传算法。用该算法对两个典型多峰函数求解的测试结果表明，该算法较之基本遗传算法有更强的全局搜索能力和更快的收敛速度。