求解随机二阶锥线性互补问题的期望残差最小化方法

引入期望残差最小化(ERM)方法来求解随机二阶锥线性互补问题.在非负象限内,利用ERM方法求解随机线性互补问题是可行的,为此将非负象限内的随机线性互补问题延伸到二阶锥内.首先,介绍了二阶锥矢量相关的若尔当积及谱分解等预备知识.然后,通过二阶锥互补函数FB函数将随机二阶锥线性互补问题转化为极小化问题.以预备知识为基础证明了若尔当积下的x2与x 2的关系,并进一步证明了离散型目标函数解的存在性与收敛性.最后,证明利用ERM方法解随机二阶锥互补问题是可行的.     

随机二阶锥互补约束优化模型的一般光滑化SAA方法

讨论一般随机二阶锥互补约束问题的求解算法.为处理模型中的不确定性，算法采用样本平均近似(SAA)抽样技术.不同于之前的工作，设计了一般光滑化SAA算法框架，可以在满足要求的一类光滑化函数中根据需要进行选择，从而构造光滑化SAA算法，并保证收敛性.具体的，若SOCMPCC线性无关约束规范等条件成立，则算法构造子问题的稳定点和最优解分别以概率1收敛到原问题的C稳定点和最优解.最后具体给出两个光滑化函数与其对应光滑化SAA算法的例子，由一般光滑化算法框架可得这两种算法收敛.     

期望残差极小化方法求解一类随机混合均衡问题

【目的】研究有限维空间中的一类随机混合均衡问题。【方法】首先定义了混合均衡问题的正则化间隙函数,并研究了正则化间隙函数的一些可微性质;其次通过随机混合均衡问题的正则化间隙函数,将求解随机混合均衡问题转化为求解期望残差极小化模型。【结果】在一定条件下,通过样本平均近似方法得到了期望残差极小化模型的解。【结论】随机混合均衡问题的期望残差极小化模型的解存在并且唯一。     

求解随机线性互补问题的Levenberg-Marquardt型算法

针对随机线性互补问题的期望残差极小化模型,利用蒙特卡罗方法将其转化为有限个样本的近似问题.基于投影Levenberg-Marquardt算法,给出了求解近似问题的1种Levenberg-Marquardt型算法,证明了算法在一定条件下是全局收敛的.数值实验表明算法是有效的.     

一类概率约束稀疏线性回归模型

提出了一类带有概率约束的稀疏线性回归模型,一定程度上改善了经典模型的不足.通过概率和数学期望的关系,以及非负实数集合的指示函数可以用两个凸函数之差近似的性质,建立了其保守近似模型,同时建立了近似模型和原模型的最优解集合,稳定点集合之间的收敛关系.为了求解近似模型,利用凸函数差的性质,建立了序列凸近似算法,并证明了其收敛性.注意序列凸近似的子问题是随机优化问题,其中随机变量可以用Monte Carlo随机抽样进行近似.可以证明Monte Carlo近似问题的结果以概率1收敛到序列凸子问题.最后数值实验说明了该方法的有效性.     

二阶锥互补问题的一类效益函数与全局误差界

二阶锥互补问题的一种常用解决方法是将它转化为某一效益函数的无约束极小化问题进行求解,效益函数的选取对这种方法的有效性起着很重要的作用．为此提出了二阶锥互补问题的一类效益函数,这类效益函数具有一些很好的性质．在某些条件下,基于这类效益函数建立了二阶锥互补问题解的一个全局误差界及这类函数的水平有界性．另外,还给出了这类效益函数的两个具体函数。并证明了这两个函数满足这些条件．     

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.     

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.     

不等式约束非线性规划的拉格朗日乘子的收敛

对于等式约束的非线性规划问题,一般的解决方法是在每次迭代中更新拉格朗日乘子且逐渐增大拉格朗日函数的惩罚因子,当罚因子充分大或充分接近局部最优解时,二阶充分条件是满足的;对不等式约束问题也采用了相应的方法.在凸的情况下,对于任意的罚因子或者在每次迭代中不要求精确极小化,就能全局收敛到最优解;证明了拉格朗日乘子是收敛的.     

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.     

加权期望残差极小化方法求解一类随机拟变分不等式

拟变分不等式是变分不等式及不动点理论的一个重要分支,其被广泛的应用于博弈论、物流管理、金融经济等领域.由于现实问题受随机因素干扰,上述问题中许多模型都可以由随机拟变分不等式描述,例如随机Nash均衡、随机供应链模型等.用加权期望残差极小化方法研究了一类随机拟变分不等式,并在一定条件下,通过拟蒙特卡洛方法得到了加权期望残差极小化模型的解.     

EAOR投影迭代算法求解一类对称双正型线性互补问题

研究求解一类对称双正型的线性互补问题的EAOR迭代算法．证明了由此算法产生的迭代序列的聚点是线性互补问题的解．并且，当互补问题中的矩阵为对称双正加阵或严格对称双正阵时，算法产生的迭代序列存在子序列收敛到互补问题的解．而当矩阵为非退化对称双正加阵时，该序列收敛．     

一类互补约束优化问题的一个扰动方法的收敛性

互补约束优化问题是一类重要的最优化问题,在科学和工程中有着重要的应用.交通规划的道路扩容问题,经济学领域的DICE模型都是互补约束优化问题.这类问题因为约束集合不满足通常的约束规范而不能用传统的非线性规划方法处理,往往用光滑近似的方法来克服这一困难.考虑一类互补约束优化问题的基于光滑化Fischer-Burmeister函数的扰动方法.证明了当光滑化参数μ↘0时扰动问题的值收敛到原问题的最优值,扰动问题的最优解集合的外极限包含在问题最优解集合中.说明扰动问题很容易满足通常的约束规范,并给出扰动问题的一阶必要性最优条件和二阶充分性最优条件.     

序补问题解的存在性

利用耦合不动点的方法得到了混合单调型算子的序补问题解的存在性．同时利用序补问题与隐变分不等式的关系给出了隐变分不等式解的存在性的新条件．     

随机仿射变分不等式的改进期望加权残差法

本文在绝对值残差和加权期望残差方法的基础上针对带有非线性扰动的随机仿射变分不等式问题考虑了期望和方差的凸组合形式,得到了改进的期望加权残差极小化问题.通过拟蒙特卡洛方法,本文得到问题的离散近似问题,并研究了问题目标函数的可微性及其水平集的有界性,然后对问题进行了收敛性分析.     

向量优化问题严格有效性的二阶最优性条件

 利用约束集的相依锥以及线性锥,结合凸集分离定理,在适当的正则性条件下得到了一类带字典序的向量优化问题的Lagrange乘子法则,并在此基础上提出了Lagrangian函数的概念.同时,利用Lagrangian函数建立了向量优化问题严格有效性的二阶最优性条件.     

线性二阶锥权互补问题的非精确非单调光滑化牛顿法

针对线性二阶锥权互补问题,提出一种新的非精确非单调光滑化牛顿法.首先,基于新的含参数光滑函数,将线性二阶锥权互补问题转化为一个光滑方程组;然后,给出求解该方程组的新非精确非单调光滑化牛顿法;最后,在半正定矩阵假设下,证明该算法全局收敛和局部超线性收敛.数值结果表明,该算法稳定、有效.