极小极大分式规划的高阶对偶性

文章首先引入极小极大分式规划问题的一个最优性必要条件,给出高阶η-不变凸函数和高阶η-不变拟凸函数的定义。然后,建立该分式规划问题高阶对偶模型。最后,在高阶η-不变凸和高阶η-不变拟凸的条件下讨论该对偶模型的弱对偶和强对偶定理。

求极小极大分式规划问题的一个新的分支定界算法（英文）

本文研究在工程、管理等领域应用广泛的极小极大线性分式规划问题(MLFP).为求解MLFP问题,提出一个新的分支定界算法.在算法中,首先给出一个新的线性松弛化技巧;然后,构造了一个新的分支定界算法.算法的收敛性得以证明.数值实验结果表明了算法的可行性与有效性.

不可微极小极大分式规划问题的二阶对偶

引入一种广义二阶凸函数的概念,即二阶(F,α,ρ,d,p)-univex函数,并在(F,α,ρ,d,p)-univex条件之下考虑了一类不可微极小极大分式规划问题的二阶对偶问题,得到了原问题与对偶问题之间的二阶弱对偶、强对偶和逆对偶定理.

高阶广义(F,ρ,d)-凸下的高阶Schaible对偶模型

在高阶广义(F,ρ,d)-凸的条件下建立极小极大分式规划问题的高阶Schaible对偶模型,且证明其相应的弱对偶和强对偶定理.