利用非可导性条件判别函数的凸性

本文先给出凸函数两个常用定义,并对连续函数证明其等价性.然后给出函数凸性的一些几何判别法和积分判别法.最后给出一个有用的微分判别法.     

Hahn-Banach定理在V-凸性模定义中的应用

先给出了V-凸性模的两个等价定义,并利用Hahn-Banach定理给出了它们的等价性.其次,在V-凸性模定义的基础上引进了广义V-凸性模的概念,并给出了其两个等价定义.     

下凸函数两种定义等价性的一个证明

本文给出下凸函数两种定义等价性的一个证明,并导出了下凸函数的两个重要性质.对于上凸函数容易写出所有的相应结果.     

严格预不变凸函数的两个性质

我们考虑了由杨和李在[2]中引入的严格预不变凸函数，并得到了严格预不变凸函数的两个性质，这些性质包括与中间点严格预不变凸性和预不变凸函数有关的一个充分条件以及与半严格预不变凸函数和中间点严格预不变凸性有关的一个等价条件．     

关于一类对称函数的Schur凸性

利用Schur凸函数、Schur几何凸函数和Schur调和凸函数的有关性质简化证明了一类与对数凸函数有关的对称函数的Schur凸性、Schur几何凸性和Schur调和凸性.     

函数强伪凸性与映射强伪单调性

1　引　　言Schaible在[1]中引入七类单调映射,并证明对其中六类,函数的某种广义凸性都和相应的梯度单调性等价,只有函数强伪凸和梯度强伪单调的等价性是否成立作为公开问题.其后,Schaible又在[2]中通过一个例子否定了两者的等价性,并引入了较弱的函数强伪凸和映射强伪单调的概念,在函数二次可微的条件下证明了函数强伪凸和梯度强伪单调等价.我们将引入强于[2]中概念的强伪凸和强伪单调性,对给出的定义,不附加条件便可保证函数强伪凸性和梯度强伪单调性等价.同时,对[2]中的一个错误予以指出,并给出正确的反例.还就[1]中问题给出远比[2]中简…     

近似凸集的某些性质

主要研究了两类近似凸集的关系和性质.首先,举例说明两类近似凸集没有相互包含关系.其次,在近似凸集(nearly convex)条件下,证明了在一定条件下函数上图是近似凸集与凸集的等价关系.同时,考虑了近似凸函数与函数上图是近似凸集的等价刻画、近似凸函数与函数水平集是近似凸集的必要性,并用例子说明近似凸函数与函数水平集是近似凸集的充分性不成立.最后,基于近似凸函数和拟凸函数的概念,给出了近似拟凸函数的概念并研究了近似拟凸函数与水平集是近似凸集的等价刻画.     

二元凸函数的判别条件

给出了二元凸函数的定义,导出了二元凸函数的判别条件,该判别条件由二元函数的二阶导数给出.用二元凸函数的判别条件和半正定的(半负定)矩阵的性质,得到了二元二次多项式凸性的简单判别形式.     

严格r-预不变凸函数

引入了严格r-预不变凸函数的概念,并证明了严格r-预不变凸函数与r-预不变凸函数有关的一个充分条件．同时,讨论得到了严格r-预不变凸性和半严格r-预不变凸性的等价条件．     

凸函数的一个等价性质

函数的凸性在研究不等式、函数逼近论等领域有着十分重要的应用,但是在不同条件下的凸函数具有不同的一些等价性质.利用凸函数已有的性质及确界定理,给出并证明了凸(严格凸)函数的又一等价性质,所得结果与在可导条件下凸函数的不等式性质类似.     

关于凸函数定义的几点思考

考察十余种国内通用的高等数学教材对凸函数定义的异同,论证凸函数的两种原始定义之间的关系,给出凸函数所满足的三个重要不等式,并证明凸函数在一元函数微分学范围内所满足的两个重要性质——连续性和单侧可导性。利用实分析中的Hausdorff极大定理给出满足第一种原始定义而不满足第二种原始定义的一个函数的例子．     

连续凸函数的判据及几何特征

从凸函数定义出发研究了连续函数与凸函数的关系,给出了连续凸函数的几个判定条件,并刻划它们的几何特征.     

关于凸函数的定义和性质

主要研究了凸函数的几种定义及他们在不同的条件下的关系,并讨论了连续凸函数的一些性质.     

多目标半定规划的互补弱鞍点和G-鞍点最优性条件

对于含矩阵函数半定约束和多个目标函数的多目标半定规划问题，给出Lagrange函数在弱有效意义下的互补弱鞍点和Geofrrion恰当有效意义下的G-鞍点的定义及其等价定义．然后，在较弱的凸性条件下，利用含矩阵和向量约束的择一性定理，建立多目标半定规划的互补弱鞍点和G-鞍点充分必要条件．     

On the equivalence of two variational problems

We consider the following problems where is a convex function, is an open bounded subset of is a closed convex subset of such that and and are suitable obstacles. We give conditions on the function {\it g} under which the two problems are equivalent. Received March 24, 1999/ Accepted January 14, 2000 / Published online June 28, 2000     

Equivalent Lipschitz surrogates for zero-norm and rank optimization problems

This paper proposes a mechanism to produce equivalent Lipschitz surrogates for zero-norm and rank optimization problems by means of the global exact penalty for their equivalent mathematical programs with an equilibrium constraint (MPECs). Specifically, we reformulate these combinatorial problems as equivalent MPECs by the variational characterization of the zero-norm and rank function, show that their penalized problems, yielded by moving the equilibrium constraint into the objective, are the global exact penalization, and obtain the equivalent Lipschitz surrogates by eliminating the dual variable in the global exact penalty. These surrogates, including the popular SCAD function in statistics, are also difference of two convex functions (D.C.) if the function and constraint set involved in zero-norm and rank optimization problems are convex. We illustrate an application by designing a multi-stage convex relaxation approach to the rank plus zero-norm regularized minimization problem.     

Fenchel duality theorem in multiobjective programming problems with set functions

In this paper, we characterize a vector-valued convex set function by its epigraph. The concepts of a vector-valued set function and a vector-valued concave set function are given respectively. The definitions of the conjugate functions for a vector-valued convex set function and a vector-valued concave set function are introduced. Then a Fenchel duality theorem in multiobjective programming problem with set functions is derived.     

一类广义凸函数的充要条件

本文给出了广义梯度的广义单调性定义,借助这些定义给出了一类广义凸函数的充要条件。     

Optimality conditions in the problem of maximization of the difference of two convex functions

We consider a quadratic d. c. optimization problem on a convex set. The objective function is represented as the difference of two convex functions. By reducing the problem to the equivalent concave programming problem we prove a sufficient optimality condition in the form of an inequality for the directional derivative of the objective function at admissible points of the corresponding level surface.