广义半无限极大极小规划的一个新的最优性条件

由于广义半无限极大极小问题的极大函数的约束集合随x的变化而变化,增加了对该问题的理论分析和求解难度.为了克服这种情况,许多研究者考虑通过转化消除约束集合中的约束f(x,y)≤0.本文是通过一类由1范数定义的精确罚,将广义的半无限极大极小规划中的约束条件消除,使该问题转化为半无限极小极大极小规划.在不需要假设集合的条件下证明,当罚参数充分大时,半无限极小极大极小规划与广义半无限极大极小问题具有相同的最优值,相同的局部最优解以及相同的全局最优解.利用这种等价性,进一步给出了广义半无限极大极小问题的一个最优性条件.最后,对本文中建立的最优性条件与其它文献中的最优性条件之间的关系进行了讨论.     

L-凸空间内的广义L-R-KKM型定理及应用

作为古典的KKM映像的推广，在L-凸空间内引入了广义L-R-KKM型映像，在非紧设置下证明了某些广义L-R-KKM型定理，给出了对极大极小不等式和鞍点存在性问题的应用，这些定理及应用推广了原有的一些结论。     

广义纳什均衡问题求解的极小极大方法

应用正则化Nikaido-Isoda函数, 一类广义纳什均衡问题的求解被转化为一个极小极大问题的求解．利用Fischer-Burmeister函数将与极小极大问题的必要性条件等价的变分不等式的Karush-Kuhn-Tucker系统转化为一个半光滑方程组．应用牛顿法求解此方程组, 并给出了半光滑牛顿法局部超线性收敛的充分条件．数值结果验证了极小极大方法对解决广义纳什均衡问题的有效性．     

广义纳什均衡问题求解的极小极大方法

应用正则化Nikaido-Isoda函数,一类广义纳什均衡问题的求解被转化为一个极小极大问题的求解。利用Fischer-Burmeister函数将与极小极大问题的必要性条件等价的变分不等式的Karush-Kuhn-Tucker系统转化为一个半光滑方程组。应用牛顿法求解此方程组,并给出了半光滑牛顿法局部超线性收敛的充分条件。数值结果验证了极小极大方法对解决广义纳什均衡问题的有效性。     

通过转化来求解广义半无限极大极小规划问题

研究了一类广义半无限极大极小规划问题,其下层规划的约束集合是一个集值映射。对于这类广义半无限问题,首先利用修正障碍型增广拉格朗日函数将它们在一定条件下转化为标准的半无限极大极小问题,使它们具有相同的局部与全局最优解,从而为这类广义半无限问题提供了可行的解法。给出了实现这种等价转化的两个转化条件：一个是充分与必要条件,另一个是充分条件。与已有文献中的相关转化条件相比,它们均不需要在紧致集上进行转化,而且后一个充分条件在实际中易于验证。最后通过这种转化,给出了这类广义半无限问题的一个新的一阶最优性条件。     

不等式约束极大极小问题一个新的（ε,δ）-广义投影可行方向法

结合Armjio线搜索和（ε,δ）-广义投影技术,本文提出了求解不等式约束极大极小问题一个新的广义投影可行方向法.在算法的每一步迭代中,其搜索方向由一个新的（ε,δ）-广义投影显式给出.在较温和的假设下,新算法具有全局收敛性和强收敛性。     

G-凸空间中一个广义KKM型定理及其应用

作者给出了G-凸空间中的一个广义KKM型定理，应用此定理得到了相应的极大极小不等式、极大元存在性方面的应用．     

一般约束凸规划极大熵方法的收敛性

带约束的极大极小问题是一类不可微优化问题，通常的解决是通过增加约束将其转化为可微优化问题，极大熵方法是一种用光滑函数逼近最大值函数的方法；基于这种方法，给出一种求解带一般约束的极大极小问题的逼近方法，并针对凸规划问题证明了这种方法的收敛性，即当控制参数趋于正无穷时，近似问题的最优解收敛于原问题的最优解。     

解极小极大问题的熵函数法

提出了一类解极小极大问题的熵函数法,这种方法也可用来解线性或约束优化问题,在一定条件下,给出了解收敛性和误差估计,最后给出了几个数值例子,表明本文提出方法的有效性。     

广义凸空间上的重叠定理、相交定理和极大极小定理

利用已知的KKM型定理得到两个新的重叠定理,并作为上述结果的应用,给出了广义凸空间上的相交定理、不等式族解的存在定理和极大极小不等式定理.     

约束极大极小问题的光滑化方法

基于Karush-Kuhn-Tucker最优性条件和Fischer-Burmeister非线性互补函数，建立了约束极大极小问题等价的非光滑无约束优化问题和等价的非光滑方程组．然后，利用光滑化方法求解这两个问题．     

极大极小优化问题信赖域算法的收敛性

对在最优控制、金融工程、经济管理等领域中具有广泛应用价值的一类非线性极大极小优化问题给出一种新的信赖域算法.在每次迭代中,算法只需求解标准的QP子问题,获取新的迭代点.另外,算法具有易于推广到线性约束的极大极小优化问题的特点.在较弱的假设下,分析了算法的收敛性.     

一类退化椭圆方程在高阶特征值处近共振的多重解

通过对一类退化椭圆方程的研究,利用临界点理论中的极小极大原理和一个广义的Landesman-Lazer类型条件,获得了退化椭圆方程在高阶特征值处近共振的多重解。     

求解LC1约束优化问题的非精确广义牛顿法

通过将非线性LC^1约束优化问题的KKT条件转化成半光滑方程组,提出一个求解LC^1约束优化问题的非精确广义牛顿法,在一定的条件下证明了算法的全局收敛性和超线性收敛性．     

一个非精确广义牛顿算法的实现

通过将非线性LC^1约束优化问题的KKT条件转化成半光滑方程组，提出了求解LC^1约束优化问题的非精确广义牛顿算法．并给出了保证该算法超线性收敛的构造方法，使得算法得以实现．     

输入受限的广义预测控制算法的鲁棒性

针对输入受限的广义预测控制问题，将其数学表达式转化为系统框图，并根据内模原理求出了系统的特征方程；在此基础上对输入受限的广义预测控制算法的鲁棒性进行了讨论分析，最后进行仿真验证。     

L-凸空间的一个极大极小不等式及其应用

利用L-凸空间的一个极大极小不等式,建立Ky Fan型截口定理并将该理论应用到L-凸空间的极大极小不等式和极大元定理.基于应用,得到关于L-凸空间的抽象广义向量均衡问题的一些新的存在性定理.     

次线性Neumann问题的多重解

用临界点理论中的极小极大方法得到了次线性Ｎｅｕｍａｎｎ问题解的多重性结果。