联合机会约束问题的一个光滑保守近似方法

联合机会约束规划问题是随机规划中一类很重要的问题,在风险投资和安全评价中有着广泛的应用.但是,通常联合机会约束规划都是非凸非光滑的,求解十分困难.提出了一个光滑的保守近似方法,将联合机会约束规划转化为系列光滑近似优化问题,并证明其可行域的收敛性以及近似问题的最优值和最优解集分别收敛到原问题的最优值和最优解集.     

概率约束规划问题的一个光滑近似

许多有重要价值的实际问题均属于概率约束问题,该类问题通常是非凸的且非光滑的,有效的求解方法多集中于凸近似方法.基于Sigmoid函数,将概率约束函数光滑化并建立相应的光滑近似问题,通过收敛性分析,证明了在适当的条件下,当参数充分大时,光滑近似问题与原问题等价,且光滑近似问题的最优值和最优解集分别收敛到原问题的最优值和最优解集.     

求解机会约束优化的Log-Sigmoid近似问题的样本均值近似方法

样本均值近似(SAA)方法在机会约束优化问题中扮演着重要的角色.基于机会约束优化问题的Log-Sigmoid近似,探讨求解Log-Sigmoid近似问题的样本均值近似方法.构造了约束函数的样本均值近似函数,建立了相应的样本均值近似问题,并且证明当样本数量足够大时,样本均值近似问题的最优值和最优解集分别以概率为1收敛于Log-Sigmoid近似问题的最优值和最优解集.     

关于B-不变凸约束优化问题解集的刻画

给出了不同的带不等式约束的B-不变凸优化问题的最优解集的刻画,其结果用梯度和拉格朗日乘子表示。首先,证明了带不等式约束的B-不变凸优化问题的可行域和最优解集都是不变凸集,其次,建立了B-不变凸优化问题的拉格朗日函数在最优解集中是常值函数,然后,利用该性质得到了一些拉格朗日乘子为基础的最优解集的刻画。     

关于基于近似次梯度的非光滑优化束方法的对偶问题的研究

利用目标函数值和近似次梯度,构建了非光滑无约束优化问题目标函数的一个下近似模型,通过对该近似模型取极小寻找下一个可能使目标函数值下降的试探点.利用Lagrange函数写出了原近似问题的对偶问题,揭示了原近似问题的最优解与对偶问题最优解之间的关系,并进一步分析了相应的近似次梯度的某种凸组合与目标函数在当前迭代点的次微分以及目标函数的近似模型在当前迭代点的近似次微分之间的所属关系.所得结果为原近似问题的求解开辟了新思路,也使整个外层束方法的执行变得简单易行.     

一种新的低阶罚函数的光滑化方法

对于约束优化问题,给出了一种用二次连续可微函数光滑低阶罚函数的方法;在一些弱的假设条件下,证明了光滑后的罚优化问题的最优解是原优化问题的ε-近似最优解.     

近似凸锥多元函数和向量优化问题

引入多元函数(集值映射)的广义凸性,利用广义凸性建立一个替换定理,并证明了在某些假设下,近似凸目标约束的向量优化问题中的弱有效解能用定义在适当情形下的鞍点来表示.     

集值优化ε-严有效解的Lagrange型最优性条件

在Hausdorff局部凸拓扑线性空间中考虑集值优化的ε-严有效性, 当目标函数和约束函数构成的序偶映射是近似锥 次类凸时, 在较弱的约束品性假设下, 借助凸集分离定理得到了集值优化ε-严有效解的Lagrange型最优性条件.     

集值优化问题近似解的最优条件

在实赋范线性空间中建立一类集值优化问题近似解的最优条件和对偶定理.在锥-逼近多值函数概念的基础上,借助锥-次不变凸性,研究最优条件和对偶定理.运用分析的方法,在广义凸性假设条件下,得到Henig近似解极小点和Global近似解极小点的最优条件,及Mond-Weir和Wolfe模型下的弱对偶定理、强对偶定理和逆对偶定理.研究成果可丰富和发展集值优化理论算法及其应用.     

集值映射向量优化的近似Benson真有效性 (运筹学与控制论)

对目标映射和约束映射均为集值映射的向量优化问题(VP),引入近似Benson真有效解、近似Benson真有效元概念,推广了戎卫东与马毅提出的ε-真有效解,并给出例子予以说明,考虑了集值映射向量优化问题的近似Benson真有效解。在邻近锥次似凸假设条件下,通过数值优化问题的近似解来刻画其近似Benson真有效解,并得到了如下的结论:x0,(y0)是问题(VP)的近似Benson真有效元当且仅当它是对应于问题(VP)的标量化问题(Pμ)的-εσ-C(μ)-次最优元,其必要充分条件具有相同的误差,推广和改进了已有结果。     

单目标机会约束规划逼近问题的稳定性分析

对机会约束规划逼近问题最优解集的上半收敛性进行了研究;在一定意义下,利用概率测度的收敛性,给出了逼近问题目标函数的连续收敛性,并通过上图收敛理论,得到了机会约束规划逼近问题的最优解集上半收敛于初始机会约束规划问题的最优解集.     

线性约束下双反对称矩阵扩充及其最佳逼近

首次提出并讨论了一类带有线性约束的双反对称矩阵扩充问题,得到了问题有解的充分必要条件,并给出了解的一般表达式.此外,还给出了解集合中与给定矩阵的最佳逼近解的表达式.     

一类矩阵方程的正交对称问题

针对约束矩阵方程问题,提出了一类矩阵方程的正交对称约束问题.通过研究正交对称矩阵与对称矩阵的关系,应用矩阵的标准相关分解(CCD)原理,获得了矩阵方程正交对称约束问题存在解的充要条件,以及该问题的通解表达式,并导出了与已知矩阵最佳逼近的正交对称解,也获得了方程相应的最小范数解.     

约束优化问题的序列近似方法收敛性

对抽象约束优化问题的序列近似方法的收敛性进行讨论,证明了在目标函数序列连续收敛和约束集合序列收敛的条件下,序列近似问题的全局最优值收敛到原问题的最优值.进一步,证明了在序列近似问题目标函数和约束集合具有某些单调性质的前提下,把目标函数序列连续收敛减弱到上图收敛,该结论仍然成立.最后,将这一结果用于分析互补约束优化问题的光滑化方法的收敛性中.     

一类非凸D．C．约束优化问题的UV-分解理论

UV-分解理论是近年来解决非光滑凸函数的二阶近似的一种有效的方法,并应用于解决非光滑凸函数的最优化问题。主要应用UV-分解理论对于一类D．C．函数的约束优化问题进行研究,借助于近似次微分的概念,得到类似的UV-空间分解,以及空间分解下的相应U—Lagrange函数与其最优解集W（u）的相关性质和二阶近似的结果。     

约束Chebyshev逼近及在FIR滤波器设计中的应用

考虑了一类约束Chebyshev逼近问题 ,应用序列无约束优化技术证明了最佳逼近三角多项式具有的特征性质 ,并提出求解最佳逼近多项式的一种具有良好数字特性的实用算法 .作为约束Chebyshev逼近的应用 ,考虑了一类约束FIR滤波器的设计问题 ,设计例子表明了最佳逼近三角多项式求解算法的有效性 .     

对称矩阵特征值反问题的最佳逼近解的一种数值解法

利用复合最速下降法,给出了对称矩阵特征值反问题AX=XΛ有解和无解两种情况下最佳逼近解的通用数值算法,对任意给定的初始矩阵A0,经过有限步迭代可以得到对称矩阵特征值反问题的最佳逼近解,并分别给出有解和无解两种情况下的数值实例,证明了此算法的可行性.另外,结合投影算法,可以用此算法来求解其它凸约束下矩阵特征值反问题的最佳逼近解,从而扩大了此算法的求解范围.     

基于网络流的无线传感网负载均衡问题算法

在大规模无线传感器网络中,普通节点与有较大能源和计算能力的网关节点相连,由网关融合成员节点的数据并实现数据的长距离路由转发．网关节点负载均衡问题是无线传感器网络路由中的关键问题,Low给出了负载均衡问题一个近似度为3／2的算法,我们举出反例证明此算法的近似度不可能为3／2,并设计了一种新的近似度为2的基于网络流的算法．实验仿真表明,在节点数较多的大规模传感网络中,新算法的近似度更低．