矩阵优化扰动性分析的若干进展

由于近年来实际问题特别是大数据应用的发展,矩阵优化问题越来越得到优化研究者,甚至是其他领域的研究者的高度关注,成为热点问题.优化问题的扰动性分析是优化理论研究的基础与核心,为包括算法设计在内的优化研究提供重要的理论基础.由于矩阵优化问题的非多面体性,使得相应扰动分析理论的研究本质上与经典的多面体优化问题(非线性规划)不同.结合文献[1,2],简要介绍矩阵优化扰动性分析方面取得的若干最新进展.

核范数函数的广义变分不等式问题的稳定性

本文主要研究凸函数为线性矩阵映射核范数的广义变分不等式(generalized variational inequality,GVI)问题的稳定性,提出GVI问题的严格Robinson约束规范和二阶充分最优性条件,并证明它们是KKT(Karush-Kuhn-Tucker)映射逆映射孤立平稳性的充分条件;还给出GVI问题的约束非退化条件和强二阶充分最优性条件,并证明它们是KKT系统强正则性的充分条件.