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。

一类极大极小半无限分式规划的对偶性

利用一类新的广义一致Bp-(p,r)-不变凸函数,讨论了一类极大极小半无限分式规划的对偶性,并在两种不同的对偶模型下,分别给出了相应的弱对偶、强对偶以及逆对偶等若干定理.其结论具有一般性,推广了许多涉及(p,r)-不变凸函数以及B-(p,r)-不变凸函数的文献的结论.

一类极大极小半无限分式规划的对偶问题

利用极限次微分定义了一类广义一致V-不变凸函数,在新的广义凸函数的约束下,讨论了一类极大极小半无限分式规划的对偶性,得到了弱对偶、强对偶和逆对偶定理.

一类极大极小半无限分式规划的最优性条件

目的给出一类极大极小半无限分式规划的最优性条件包括Kuhn-Tucker条件。方法利用Clarke-广义方向导数定义了一类新的广义一致Bρ-(p,r)-不变凸函数,并讨论了具有该广义凸性的一类极大极小半无限分式规划的最优性条件。结果在新的广义凸函数的约束下,得到了一类极大极小半无限分式规划的最优性条件。结论扩展了极大极小半无限分式规划的最优性理论。

多目标非光滑半无限规划极大熵方法及收敛性

用极大熵方法来逼近多目标非光滑半无限规划 ,并利用熵函数序列的一些收敛性质 (v 收敛性 ,即variationalconvergence) ,在一般意义下给出该逼近方法的收敛性 .

指数型增广拉格朗日函数在广义半无限规划中的应用

本文利用指数型增广拉格朗日函数将一类广义半无限极大极小问题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.我们给出了两个转化条件:一个是充分与必要条件,另一个是在实际中易于验证的充分条件.通过这种转化,我们给出了广义半无限极大极小问题的一个新的一阶最优性条件.

广义半无限规划问题的一种可行方向算法

基于Zoutendijk可行方向算法,本文提出了一种求解广义半无限规划问题的可行方向算法,在保证算法收敛的情况下,此算法比以往的算法在假设条件的要求上有着一定的优势,且数值试验表明此法是可行的.

广义K-(F,α,ρ,d)-B凸半无限多目标规划的Wolfe型对偶问题

首先在K-(F,α,ρ,d)-B凸函数和广义K-(F,α,ρ,d)-B凸函数概念基础上,建立了一类广义K-(F,α,ρ,d)-B凸半无限多目标规划的Wolfe型对偶问题;然后,在广义K-(F,α,ρ,d)-B凸函数的情形下给出和证明了弱对偶定理、强对偶、限制逆对偶定理和严格逆对偶定理.

关于一类广义半无限向量分式规划的对偶性研究

利用(F,α,ρ,d)_K-V-凸性定义,讨论了一类广义半无限向量分式规划的对偶结果。

一类极大极小随机规划逼近问题最优解集的上半收敛性

本文首先将极大极小随机规划等价的转化为一个二层随机规划,在下层初始随机规划最优解集为多点集的情形下,给出下层随机规划逼近问题最优解集集值映射关于上层决策变量参数的上半收敛性和最优值函数的连续性.然后将上层随机规划等价转化为以上层和下层决策变量作为整体决策变量,以下层规划最优解集的图作为约束条件的单层规划,并在下层初始随机规划最优解集的图为正则的条件下,得到上层随机规划逼近问题最优解集关于最小信息概率度量收敛的上半收敛性.

一类广义I类不变凸半无限规划的最优性条件

利用对称梯度,对于一类半无限规划引入了几个非光滑广义I类不变凸性概念,进而在这些新广义不变凸性情形,给出了半无限规划的一些最优性充分条件。

对称可微广义一致V-I型多目标半无限规划的最优性条件

对于一类多目标半无限规划中的广义V-I型不变凸进行了推广,给出了广义一致V-I型不变凸函数概念,并在这些广义一致V-I型不变凸性情形下,得到了一类非光滑多目标半无限规划的一些最优性条件。

广义半无限规划新的最优性条件(英文)

本文讨论了一类指标集依赖于决策变量的广义半无限规划(GSMMP).首先通过刻画目标函数的Clarke导数和Clarke次微分,建立其一阶最优性条件.其次,通过对下层问题Q(X)进行扰动分析,我们得到Q(X)的一个精确罚表示.由此,利用一组精确罚函数将(GSMMP)转化为经典的半无限极大极小规划,从而可利用已有的经典半无限规划的算法来对(GSMMP)进行求解.

广义Ⅰ型一致不变凸条件下的极大极小分式规划的二阶对偶

给出一类新的二阶广义(F,α,ρ,θ)-d-Ⅴ-Ⅰ型一致不变凸的概念,讨论了极大极小分式规划问题(P),建立了规划(P)的一个二阶对偶模型,并利用此二阶广义Ⅰ型一致不变凸性,得到了弱对偶、强对偶和严格逆对偶定理.

一类半无限极大极小问题的神经网络

本文考虑了一类半无限极大极小问题。首先将它等价转化为半无限非线性规划模型,再使用ku-hn-Tuckey条件、射影定理等,提出了求解它的一个神经网络模型。最后严格说明了该模型是Lyapunov稳定的,并收敛到原问题的一个精确解。

一类广义一致(F,B,ρ)-I_K型不变凸半无限规划的最优性条件

利用K-方向导数、K-次微分以及次线性泛函,对一类半无限规划定义了广义一致拟(F,B,ρ)-IK型、广义一致伪(F,B,ρ)-IK型、广义一致拟伪(F,B,ρ)-IK型、广义一致伪拟(F,B,ρ)-IK型以及广义一致(F,B,ρ)-IK型不变凸的新概念,进而在这些新广义不变凸性情形下,给出了半无限规划的最优性充分条件.

广义一致（ρ1，ρ2，ρ3）η-次可微I-型预不变凸多目标半无限分式规划的最优性条件

文中定义了一类新的广义一致(ρ1,ρ2,ρ3)η-次可微I-型预不变凸函数,并在新的广义凸函数的约束下,讨论了一类具有该广义凸性的多目标半无限分式规划问题,得到了涉及这类广义凸性一类多目标半无限分式规划的最优性条件。

一类广义半无限规划问题的一阶最优性条件

本文利用一个精确增广Lagrange函数研究了一类广义半无限极小极大规划问题。在一定的条件下将其转化为标准的半无限极小极大规划问题。研究了这两类问题的最优解和最优值之间的关系,利用这种关系和标准半无限极小极大规划问题的一阶最优性条件给出了这类广义半无限极小极大规划问题的一个新的一阶最优性条件。

一类对称可微广义凸半无限规划的对偶定理

在作者已提出的几类广义 (h,φ) -凸函数和 φ(α)为严格递增连续函数 ,φ(0 ) =0的相当弱的假设条件下 ,给出了 (h,φ) s-凸和 (h,φ) s-不变凸半无限规划的几个对偶定理 .

对称可微广义一致V-I型多目标半无限规划的对偶性

在广义一致V-I型不变凸函数的基础上,研究了一类多目标半无限规划的对偶性,得到了若干个弱对偶、强对偶和逆对偶定理。