不确定平方和凸多项式优化的SDP松弛与鲁棒鞍点刻画

考虑一类带不确定参数的平方和凸多项式优化问题.首先,借助鲁棒优化方法给出该不确定平方和凸多项式优化问题的鲁棒对等优化模型;然后,借助一类鲁棒型特征锥约束规格,建立该优化问题的精确半正定规划(SDP)松弛问题;最后,引入该不确定平方和凸多项式优化问题的Langrange函数,并借助平方和条件给出该不确定平方和凸多项式优化问题的鲁棒鞍点定理.

基于SDP松弛的干扰资源优化分配技术研究

提出一种基于semidefinite programming(简称SDP)松弛的干扰资源优化分配算法。在问题优化过程中首先对模型中非凸的约束条件进行松弛,变为凸约束,将原来的数学模型转化成SDP求解形式,利用内点算法对松弛后的模型求解。该算法利用解析的手段使得干扰资源优化分配问题中的NP难问题在多项式时间内得以解决,并且有较高的可靠性。仿真结果验证了算法的有效性。

基于矩阵分解的0-1二次规划的SDP松弛

0-1二次规划是整数规划中一类重要的最优化问题,广泛应用于工程、经济管理、金融和管理科学等许多重要领域.利用矩阵分解方法,给出了带线性约束的0-1二次规划的一个紧的SDP松弛.通过目标函数的矩阵分解并利用二次项的片段线性逼近技术,得到了原问题的一个凸松弛.再利用锥优化对偶性,证明了寻找凸松弛中的最优参数问题可以归结为求解一个SDP问题,数值结果也表明该SDP松弛能提供原问题的一个更紧的下界.

两阶段金融衍生品清算问题的半定规划松弛方法

在不限制暂时性及永久性价格影响参数大小关系下,研究两阶段金融衍生品清算问题的半定规划(Semi-definite programming,SDP)松弛方法,其优化模型为一个带有线性和单个非凸二次约束的非凸二次规划(Quadratically constrained quadratic program,QCQP)问题。针对该非凸QCQP问题,给出了一个带有Secant割的SDP松弛,并估计了它与原问题之间的间隙。随机例子的数值结果表明该SDP松弛可以得到原问题更紧的上界,从而为寻求原问题的一个好的近似解提供方法。

基于DC分解的非凸二次规划SDP近似解

本文提出一类基于DC分解的非凸二次规划问题SDP松弛方法,并通过求解一个二阶锥问题得到原问题的近似最优解.我们首先对非凸二次目标函数进行DC分解,然后利用线性下逼近得到一个凸二次松弛问题,而最优的DC分解可通过求解一个SDP问题得到.数值试验表明,基于DC分解的SDP近似解平均优于经典SDP松弛和随机化方法产生的近似解。

基于半定规划松弛的凸二层规划问题算法研究

提出使用凸松弛的方法求解二层规划问题,通过对一般带有二次约束的二次规划问题的半定规划松弛的探讨,研究了使用半定规划(SDP)松弛结合传统的分枝定界法求解带有凸二次下层问题的二层二次规划问题,相比常用的线性松弛方法,半定规划松弛方法可快速缩小分枝节点的上下界间隙,从而比以往的分枝定界法能够更快地获得问题的全局最优解.