线性互补问题基于核函数的满Newton步不可行内点算法

针对单调线性互补问题提出了一种满Newton步不可行内点算法.算法的每次主迭代是由一个可行步和若干个中心步组成.在算法的分析中,引入了一个有限核函数取代经典的对数障碍函数从而导出新的可行步,并且证明了算法的迭代复杂性与目前已知最好的线性互补问题的不可行性内点算法的迭代复杂性结果保持一致.     

基于代数变换求解P*(к)阵线性互补问题的新算法

基于代数变换和不可行内点方法的思想,首次对P*(к)阵线性互补问题提出了一种宽邻域不可行内点算法,并在较弱的条件下,证明了算法的全局Q-线性收敛性和多项式复杂性.该算法可看作关于线性规划不可行内点算法的推广,也是关于单调线性互补问题不可行内点算法的推广.     

弱有效集上凹函数极大问题的分枝定界算法

弱有效(有效)集上的优化是处理多目标线性规划的一种重要途径.考虑了弱有效集上凹函数的极大问题.这个优化问题主要有两方面的困难一方面,弱有效集一般说来不再是凸集;另一方面,该问题不属于存在一个全局最优解在多面体集的一个极点处取得的一类问题.因此,提出的方法的主要思想是问题首先被转化为Rk+1空间中一个特殊全局优化问题;其次,对这个问题建立了一个分枝定界型算法.算法的分枝过程采用锥形剖分,定界过程通过求解普通的线性规划实现;最后,对算法的收敛性进行了分析.     

框式可分凸二次规划的不可行内点算法

对框式约束的可分凸二次规划提出了1个原始－对偶不可行内点算法，并证明了该算法是1个多项式时间算法。     

框式线性规划的非精确不可行内点算法

对框式线性规划提出了一种非精确不可行内点算法，该算法使用的迭代方向仅需要达到一个相对的精度，在初始点位于中心线的某邻域内的假设下，证明了算法的全局收敛性。     

凸可分规划的内椭球方法

用内椭球方法的思想对线性约束的凸可分规划提出了一种新的算法，并证明了此算法是一个多项式时间算法。     

凸二次优化问题基于有限核函数的新内点算法

本文给出了凸二次优化问题基于一类有限核函数的新的大步校正内点算法.这些核函数是一类相当广泛的函数,它的主要特征是非自正则的,而且在其可行域边界上的值是有限的.利用类似于线性规划的相应算法的分析方法,证明了新算法具有目前最好的大步校正算法的迭代复杂性,即O（√nlognlog（n/ε））.     

求解凸二次规划的一种二阶Mehrotra型预估-校正算法

给出了求解凸二次规划的一种二阶Mehrotra型预估-校正算法。该算法受Salahi等人对线性规划提出的相应算法启发,引入了安全步策略,保证了校正步步长有适当下界,从而具有多项式复杂性。由于算法迭代方向不正交,算法在罚参数的校正和复杂性的分析上有别于线性规划的情形。最后,通过一些新的技术性引理,证明了算法在最坏情况下的迭代复杂性为O{n3/2log((x0)Ts0)/ε}。     

一个求解P*(κ)线性互补问题的高阶Dikin型仿射尺度算法

对于P*(κ)线性互补问题提出了一个新算法———高阶Dikin型仿射尺度算法.算法的每步迭代,基于线性规划Dikin原始———对偶算法思想来求解一个线性方程组得到迭代方向,再适当选取步长,使算法具有多项式迭代复杂性.     

Banach空间上一类非凸向量最优化问题的全局最优性条件

向量最优化是经济、工程、决策领域中的一个有用的数学模型.已有学者对目标函数及约束函数是定义在有限维线性空间的局部Lipschitz函数或Lipschitz无穷维空间上的优化问题作了研究,导出了一些最优性条件.在此基础上,进一步研究定义在Banach空间上目标函数及约束函数为不可微强紧Lipschitz的多目标规划,在满足Slater型约束品性条件假设下,利用定义在Banach空间之间的映射不变凸性,给出了所考虑问题的弱有效解新的全局最优性K-T型充要条件.