一类广义凸集值映射优化问题弱有效解的最优性条件

在拓扑向量空间中定义了(u,0V)-广义次似凸集值映射.在相对内部的条件下,利用凸集分离定理,建立了此映射的择一定理.利用此择一定理,获得了带广义等式和不等式约束的优化问题的弱有效解的最优性条件.     

广义凸集值向量优化问题的弱有效解

在序线性拓扑空间中定义了广义凸集值映射．引进了相对内部．应用凸集分离定理建立了一个广义凸集值映射的择一性定理．运用此定理获得了弱有效解意义下的集值向量优化问题的最优性条件．     

一类集值映射向量优化问题的最优性条件

文章在序线性空间中,引入了次似凸集值映射的概念,然后利用择一性定理,获得了弱有效解意义下的集值映射向量优化问题的最优性条件,推广了已有文献中的一些相应结果。     

广义凸集值映射的最优性条件

本定义了B－次似凸集值映射,给出了择一性定理。建立了B－次似凸集值映射规划问题弱有效解存在的最优性条件。     

集值优化问题的Henig真有效解的最优性条件

在线性拓扑空间中,首先给出集值映射为近似锥次类凸时的择一性定理,利用此定理,得到了集值优化问题的Henig真有效解的Lagrange型最优性条件,进而,给出了它的一个充要条件.然后,利用锥凸分离定理得到了Henig真有效解的Kuhn-Tucker型最优性条件,同时给出了相应的充分条件和充要条件.     

集值映射向量优化问题的最优性条件

在实拓扑向量空间中,利用择一性定理,获得了关于近似锥次类凸集值映射向量优化问题的最优性充分必要条件,并加以了证明.所得结果推广和改进了一些最新的结果.     

集值映射向量优化问题的若干最优性结果

在实序线性拓扑空间框架下,借助于集值映射的择一定理,讨论了带有约束条件的(广义)次类凸集值映射向量优化问题的若于最优性条件,并将此问题转化成相应的标量化问题,得到若干最优性结果.     

实线性空间中集值优化问题弱有效解的最优性条件

在实线性空间中,建立了广义锥次凸集值映射的择一定理。利用此定理,得到了集值优化问题弱有效解的最优性条件。     

集值优化问题的ε-严有效解的最优性条件

在局部凸拓扑向量空间中引入了ε严有效点、ε严有效解的概念.在近似锥次类凸集值映射下,利用拓扑向量空间中的凸集分离定理,获得了带广义不等式约束的集值优化问题的ε严有效解的必要条件.同时,利用锥基的一个性质,获得了这类集值优化问题的ε严有效解的充分条件.     

集值优化问题广义近似解的性质和最优性条件

引进了集值优化问题的一种广义近似解,统一了其他集值优化问题的近似解,研究了广义近似解的性质,获得了广义近似弱有效解的最优性条件.     

集值映射向量优化的最有性条件

文章首先引进了近似锥似凸集值映射的概念,并在实拓扑向量空间中建立了近似锥似凸集值映射的择一性定理,获得了近似锥似凸集值映射向量优化问题的最有性充要条件,最后给出了对偶问题并推导了对偶定理。     

非凸集值优化弱有效解的广义最优性条件

在赋范空间中引入了集值映射的广义m-阶相依(邻接)导数.在没有任何凸性假设下,利用非线性标量化泛函和广义m-阶相依(邻接)导数,获得了无约束集值优化问题弱有效解的最优性必要和充分性条件,所获得的结果推广了文献中的几个结果.     

一类非光滑广义凸极大极小值问题的最优性条件

在非光滑条件下，利用局部渐近锥和K-方向导致，定义了一类非光滑广义凸函数，并在一定的条件下，得到了涉及这类非光滑广义凸函数极大极小值问题的最优性条件．     

向量优化问题拟有效解的最优性充分条件

在实拓扑向量空间中,利用距离函数,给出了向量优化问题局部拟有效解和拟有效解的概念,提出了四类新的广义近似凸函数并建立了向量优化问题局部拟有效解和局部有效解的最优性充分条件;其结果是对文献[5]的相应结果的推广.     

集值优化问题$\varepsilon-$强有效解的最优性条件

在Hausdorff局部凸拓扑向量空间中引入集值映射$\varepsilon-$强有效次梯度和$\varepsilon-$强有效次微分的概念.在一定条件下,利用凸集分离定理证明了该次微分(次梯度)的存在性及它的一些性质.作为应用,对于一类参数扰动集值优化问题讨论了其在 $\varepsilon-$强有效意义下的稳定性.     

具有范数结构凸多目标优化问题的最优性条件

【目的】研究一类具有范数结构特殊多目标优化问题的最优性条件。【方法】首先,计算具有范数结构目标函数的次微分,然后在区间约束和非光滑约束下,将广义多目标优化问题的最优性条件具体化。【结果】借助函数次微分计算结果,得到该类特殊多目标优化问题在同时包含区间约束和非光滑约束情况下的几何最优性条件,FJ最优性条件和KKT最优性条件。【结论】所得结果丰富了多目标优化理论,为具有范数结构多目标优化问题的应用研究打下基础。