基于CVaR投资组合优化的迫近束方法子问题及其对偶

束方法是求解非光滑优化问题的一种较为完善的有效方法.介绍了束方法中较为常见的一种方法——迫近束方法,给出了基于单期投资组合优化问题的CVaR模型,利用非光滑优化束方法对该模型进行研究.利用与迫近束方法相类似的研究方法,从原空间和对偶空间角度出发,分别对与CVaR模型相关的优化问题、对构造的原子问题及对偶子问题进行分析,找到了两者解之间的关联,同时得到了一些衍生结果.这些结果对算法设计和收敛性分析具有重要意义.     

关于通信数据网络优化问题近似模型的研究

主要利用函数的非精确信息,构建通信数据网络优化问题的近似模型,并利用惩罚束方法和指示函数对通信数据网络优化问题的近似模型展开研究.基于对偶理论,给出其原问题与对偶问题最优解的显式表达式,并得到了非精确近似优化模型的一些相关结论.     

约束DC优化的双束法及对偶问题

针对带有凸不等式约束的非光滑DC优化问题,提出了一种基于罚函数的凸约束DC优化问题双束法,同时也刻画了双束法子问题的对偶问题;首先,利用L_1精确罚技巧把凸约束DC优化问题转化成无约束DC优化问题,便于直接对目标函数进行DC分解,然后分别建立了增广目标函数DC分量的凸分段线性近似模型,最后利用Lagrange函数得到了原问题和对偶问题最优解之间的等价关系,说明了利用对偶问题求解搜索方向的可行性和有效性。     

一类新的非凸鲁棒优化问题的混合型对偶

引入了一类目标函数和约束函数均为α-凸函数的新的非凸鲁棒优化问题,并定义了其混合型对偶问题.利用Frechet次微分的性质构建了近似解的最优性条件,并建立了原问题与混合型对偶问题之间的弱对偶、强对偶和逆对偶理论.     

一类非光滑分式优化问题的最优性条件和对偶

研究了一类非光滑多目标分式优化问题,利用变分分析和广义微分中的工具,在新的凸性假设下,建立了此类优化问题有效解的必要条件和充分条件.这些结果都是用极限次微分来刻画的,这在非光滑多目标分式优化问题的研究中是一个比较新的结果,而对于极限次微分的研究是近年来国内外优化领域的研究学者比较关注的一个课题.此外,文中第二部分提出了此类优化问题的Mond-Weir对偶模型,并研究了弱对偶、强对偶的结果.     

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.     

一类非光滑锥约束规划问题的混合对偶

研究了非光滑锥约束规划问题的混合对偶模型的弱对偶、强对偶和逆对偶结果.在K-广义不变凸性、K-广义伪不变凸性条件下证明了两个弱对偶定理;在K-广义不变凸性条件下,利用广义Slater约束规格给出了强对偶定理;在K-非光滑不变凸性和非光滑伪不变凸性下研究了该类模型的逆对偶定理.     

一类非光滑规划问题的混合对偶

考虑一类带等式和不等式约束的非光滑多目标规划问题(NMOP).在非光滑B-(p,r)-不变凸性条件下,利用Clarke次微分,将建立此类规划问题的Mixed型对偶,讨论其与原问题间的对偶定理.首先,在B-(p,r)-不变凸性和正则条件下给出弱对偶定理;其次,在无约束规格的条件下,弱对偶定理基础上,利用严格B-(p,r)-不变凸性和正则条件,建立强对偶;最后,给出原问题有效解的逆对偶定理.所得结果是对最近一些文献中相应结果的改进与完善.     

非凸优化的近似束方法及对偶问题

束方法目前是解决非光滑优化问题最有前景的方法之一。出于实际计算的需要,使用两个扰动函数共同控制真实目标函数,利用它们的信息构建增广函数,从而把凸优化迫近束方法应用到非凸问题中来。类似地建立目标函数的下近似模型,通过求解二次规划最小值点作为下一个候选点,进一步再筛选出下降点。最后利用Lagrange函数写出了束方法子问题的对偶问题,揭示了扰动后原问题的最优解和对偶问题最优解之间的关系。
     

水平束方法子问题的求解研究

非光滑优化问题是最优化理论与方法中一个重要分支,相应的各种求解方法一直以来都是优化理论研究的重点.首先对解决非光滑优化问题的一种有效方法-束方法,进行了简单阐述,又对其中一种典型方法-水平束方法进行了详细研究.该方法利用水平集作为约束构造产生下一个迭代点的子问题,通过构建子问题的Lagrangian函数以及求解其对偶规划,得出原子问题最优解的显式表达.最后根据子问题的最优性条件和对偶问题得出两个在整体算法的收敛性分析中占有重要地位的结论.     

加权最小包容球问题的对偶光滑逼近算法

【目的】研究加权最小包容球问题，并给出一类求解该问题的算法。【方法】加权最小包容球问题是一个极大极小化的非光滑问题。首先利用对偶方法将该问题转化为极小化非光滑问题，然后利用光滑逼近思想，将该问题转化为极小化的光滑问题进行求解。【结果】根据数据实例表明该算法有效。【结论】得到求解加权最小包容球问题的一类对偶光滑逼近算法。     

支持向量机原始问题研究综述

支持向量机学习器往往是通过求解原二次优化问题的对偶问题获得的.诸多研究表明,支持向量机原始问题同样可以适当地处理约束项,同时,突破以前原二次优化问题不能利用核函数的认识误区,通过引入核函数建立一个无约束优化问题,利用传统优化方法进行求解.理论分析和实验表明,支持向量机原始问题也能实现对数据的高效学习,而且在大规模数据学习问题上,较之求解对应的对偶问题获得的近似解更可靠,参数选择也更好进行.     

鲁棒多目标优化问题的最优性和对偶性

针对非光滑、非凸实值函数的鲁棒多目标优化问题,建立鲁棒(弱)有效解的充分优化条件,并探索了对偶(鲁棒)多目标问题的强弱对偶关系;利用复合函数的极限次微分,凸性推广至(严格)广义伪凸的条件下仍能得到优化问题的最优性条件,并进一步通过对偶问题建立强弱鲁棒对偶性;最后在(严格)广义伪凸的条件之下,得到3个定理并加以证明。     

非凸优化的近似束方法及对偶问题

束方法目前是解决非光滑优化问题最有前景的方法之一。出于实际计算的需要,使用两个扰动函数共同控制真实目标函数,利用它们的信息构建增广函数,从而把凸优化迫近束方法应用到非凸问题中来。类似地建立目标函数的下近似模型,通过求解二次规划最小值点作为下一个候选点,进一步再筛选出下降点。最后利用Lagrange函数写出了束方法子问题的对偶问题,揭示了扰动后原问题的最优解和对偶问题最优解之间的关系。     

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.     

基于拉格朗日对偶的一类全局优化算法

针对带有非凸二次函数约束的非凸二次规划问题(NQP),提出了一个基于拉格朗日对偶的确定型全局优化算法,这类优化算法可广泛应用于工程设计和非线性系统的鲁棒稳定性分析等实际问题中.为求解此问题,首先,应用拉格朗日对偶对原问题进行下界估计.其次,为克服拉格朗日对偶问题的非凸性,利用线性化方法,得到拉格朗日对偶问题的线性下界估计,并且由此建立了NQP拉格朗日对偶问题的松弛线性规划(RLP).如此通过对RLP可行域的细分和一系列RLP的求解过程,从理论上证明了算法收敛到NQP的全局最优解.数值算例应用结果表明,该方法是可行的.     

广义凸条件下一类多目标优化问题的对偶

凸性是最优化理论中最常用的假设之一。在实际应用中目标函数的性质可能不是那么理想,为了减弱凸性要求,人们给出了各种各样的广义凸性概念。近年来,广义凸性成为数学优化研究的新发展趋势,越来越多的学者致力于讨论在各种广义凸性条件下多目标优化问题的对偶结论及其应用。在广义凸条件之下考察一类多目标优化问题,首先介绍一类广义凸函数的概念及相关性质。然后建立了多目标优化问题(即原问题)的Wolfe对偶模型,在广义凸条件下得到了原问题与Wolfe对偶问题之间的弱对偶,强对偶和逆对偶定理。最后建立了多目标优化问题的混合型对偶模型,并且得到了原问题的混合型对偶问题的弱对偶,强对偶和逆对偶定理。     

一类非光滑约束优化问题的凝聚同伦内点方法

利用凝聚技术和组合同伦内点方法研究可行域满足伪锥条件下非凸域上的非光滑优化问题,构造性地证明了该类非光滑优化问题的广义K-K-T方程解的存在性,得到了求解K-K-T点的凝聚同伦内点方法,并证明了该算法具有全局收敛性.     

复合优化问题的Farkas引理和Lagrange强对偶

在函数不具有连续性的情况下,利用共轭函数的上图性质,引进新的约束规范条件,等价刻画了复合优化问题与其对偶问题之间的强对偶、稳定强对偶及Farkas引理等,并将相关结论应用于复合锥规划的研究之中.     

一类非凸非光滑优化问题的近似uv-分解方法

uv-分解理论是侧重于非光滑函数的光滑信息来研究凸函数的二阶近似,从而得到凸优化问题有效算法的一种新方法.应用uv-分解理论研究一类非光滑优化问题,此问题作为许多随机优化问题的子问题,它的求解方法对处理随机优化问题有重要作用.将所研究的问题适当地转化为一类由两个非光滑函数的和的无约束优化问题,由于无法直接利用uv-分解理论,所以借助其中一个函数的光滑凸近似,得到了目标函数的近似函数.应用uv-分解理论给出该函数的U-lagrangian函数及其基本性质,目标函数的二阶近似,进而给出了求解原问题的近似uv-分解算法以及算法的收敛性证明.