线性规划消耗系数矩阵灵敏度分析的某些探讨

讨论了线性规划模型中 ,消耗系数矩阵 A中某个基变量或某个约束方程的系数向量变化以及增减约束方程时 ,对最优基、最优解、目标函数值和影子价格的影响 .     

区间二次双层规划的最好最优解

双层规划问题是一类具有递阶结构的优化问题.在不确定的双层规划优化问题中,目标函数系数或约束条件系数为区间数的双层规划模型在实际问题中有着广泛的应用.在二次-线性双层规划模型的基础上,提出了上、下层目标函数以及约束条件系数均具有区间系数的二次-线性双层规划模型,给出了求解其最好最优解的方法.首先,通过选取约束条件中不同的基矩阵,求得区间二次-线性双层规划的可能最优解.再比较求得的全部可能最优解,便可得到区间二次-线性双层规划模型的最好最优解.最后给出数值算例验证该方法的有效性.     

一个有经济意义的多目标规划模型的调整

本文在线性约束条件下 ,同时考虑三个目标函数的最优化 ,即线性函数、二次函数、分式函数 .对于已知的线性规划的最优基可行解 ,通过调整二次函数和分式函数中的系数向量和系数矩阵 ,使其成为这两个规划的最优解 .模型的改进有经济意义的解释     

区域经济的随机线性规划模型

为适应编制区域经济发展规划的需要,本文给出区域经济的随机线性规划模型,论证稳定性生产系统随机线性规划问题最优解的存在唯一性,并根据区域经济部门多变、消耗系数方阵往往可分拆的特点,提出寻求最优解的具体步骤.     

一类二次规划问题的矩阵解法

本文给出二次规划问题的矩阵解法，经过规定的初等变换后，矩阵便同时展示出最优解判据、最优值及最优解集．     

线性规划标准型和整数线性规划最优解的两个注记

本文研究线性规划标准型的基本假设所蕴含的一些性质,并探讨整数线性规划最优解和其松弛问题最优解的关系.首先,分别讨论四种情形下线性规划最优解的性质,即无约束线性规划问题、仅有非负约束的线性规划问题、仅有等式约束的线性规划问题,以及标准线性规划问题系数矩阵的列向量有为零的情形等.然后,构造两族二维整数线性规划,其松弛问题的最优解与其(整数)最优解"相距甚远".     

模糊多目标半定规划的最优性条件

将模糊集理论应用到多目标半定规划中来,提出了有约束的模糊多目标半定规划模型,并首次给出了其最优有效解的定义.通过构造确定的隶属度函数,将以矩阵为决策变量的模糊多目标半定规划转化为一种目标函数的某些分量由约束函数决定的确定性多目标半定规划,并证明了前者最优有效解与后者有效解的一致性.在此基础之上,讨论了二者的最优性条件.     

相同装卸工情况下装卸工问题的最优解

装卸工问题是一个新的NP困难的组合最优化问题,寻找其性能优良的近似算法是有重要的理论意义和实用价值的.相同装卸工情况下装卸工问题的系数矩阵是全么模矩阵,利用全么模矩阵的性质可以证明这种情况下的装卸工问题是多项式可解的.然而用全么模阵的性质还不能得到解的表达式.对这种情况下一辆货车的装卸工问题,用对偶单纯形法可得到最优解和最优值的解析表达式,从而可以把这个可解问题的最优值作为一般装卸工问题的近似值.这对于分析近似算法的性态是非常重要的.     

多目标模糊系数规划

在单目标模糊系数规划的理论基础上，对多目标模糊系数规划进行讨论，在以目标间的协调程度尽可能大为最优性条件的要求下提出多目标模糊系数规划最优解的定义，并给出一种可行的求解方法。     

数学规划的稳定性

<正> 我们知道,如果一个生产实际问题可以归纳成数学规划问题去解决吋,在形成数学模型的过程中,目标函数和约束条件中的已知系数由于观察、实验、或测量得不够精确,产生一些误差.这些误差对数学模型的真实性有没有影响呢?换言之,如一个具有最优解的数学规划问题,将其已知系数作微小变动后,是否还有最优解?回答是,不一定有.例如凸规划:     

一类宏观经济模型的极限特征

利用投入产出分析法建立了一类动态宏观经济模型 ,讨论了在生产增长的条件下 ,当规划期足够长时 ,有消费的经济系统中 ,投入、产出和消费之间的关系及其极限特征 .说明了 :系统的初始投入不一定是直接消耗系数矩阵的正特征矢量 .并且 ,在经济不出现危机的条件下 ,系统以稳定状态增长 ,呈现大道性质 .     

判断并解决线性规划“多反而少”悖论的逆最优值解法

现有研究通过调整线性规划模型的右端项来消除“多反而少”悖论,而该文提出并验证了悖论是由技术系数矩阵、目标函数系数以及右端项三者的不合理搭配造成的。首先,通过建立原-对偶模型来判断悖论现象存在与否;然后,将悖论问题转换成逆最优值问题进行解决,构建了通过调整目标函数系数以及技术系数矩阵来消除悖论的模型;最后,提出了判断并解决悖论的逆最优值解法,阐述了其优势与经济意义,并通过数值算例验证其有效性。     

A generalized inverse method for asymptotic linear programming

Consider a linear program in which the entries of the coefficient matrix vary linearly with time. To study the behavior of optimal solutions as time goes to infinity, it is convenient to express the inverse of the basis matrix as a series expansion of powers of the time parameter. We show that an algorithm of Wilkinson (1982) for solving singular differential equations can be used to obtain such an expansion efficiently. The resolvent expansions of dynamic programming are a special case of this method.     

A stability concept for matrix game optimal strategies and its application to linear programming sensitivity analysis

This paper studies a class of perturbations of a game matrix that alters each row by a different amount. We find that completely mixed optimal strategies are stable under these perturbations provided the norm of the vector of additive amounts is sufficiently small. Using this concept we give a new characterization of completely mixed grames. We also obtain a sensitivity result for a class of perturbations of the technological coefficient matrix of positive linear programs. The stability of an optimal strategy holds throughout at least a spherical neighborhood of the zero perturbation. We give a computational formula and equivalent programming formulations for the radius of this neighborhood.     

Interior point methods for optimal control of discrete time systems

We show that recently developed interior point methods for quadratic programming and linear complementarity problems can be put to use in solving discrete-time optimal control problems, with general pointwise constraints on states and controls. We describe interior point algorithms for a discrete-time linear-quadratic regulator problem with mixed state/control constraints and show how they can be efficiently-incorporated into an inexact sequential quadratic programming algorithm for nonlinear problems. The key to the efficiency of the interior-point method is the narrow-banded structure of the coefficient matrix which is factorized at each iteration.This research was supported by the Applied Mathematical Sciences Subprogram of the Office of Energy Research, US Department of Energy, under Contract W-31-109-Eng-38.     

基于混合跳扩散模型的最优投资消费和寿险购买策略研究

本文研究在混合跳扩散模型下投资者分别投资于寿险、零息债券和股票时,关于最优投资消费和寿险购买的随机策略问题。通过构造满足混合跳扩散模型的金融市场、保险市场和可容许策略,在CRRA(constant relative risk aversion)效用下,利用动态规划的方法求解了对应的HJB方程,获得了值函数和最优策略的显式表达式。为了探索模型的有效性,本文给出了相对风险厌恶系数的数值分析以及相关参数对最优策略的影响。     

非光滑半定规划的一阶最优性条件

首次考虑了非光滑半定规化问题．运用与非线性规划类似的技巧,把现存的理论扩展到约束是结构稀疏矩阵的情况,给出了其一阶最优性条件。考虑了严格互补条件不成立的情形．在约束矩阵为对角阵条件下,所用的正则条件与传统非线性优化意义下的是一致的．     

一类证券市场中投资组合及消费选择的最优控制问题

研究一类证券市场中投资组合及消费选择的最优控制问题．在随机干扰源相互关联情形下,运用动态规划方法,对一类典型的效用函数CRRA(Constant Relative Risk Aversion,常数相对风险厌恶)情形,得到了最优投资组合及消费选择的显式解,并给出了最优解的经济解释和关于部分参数的灵敏度分析．     

Robust linear optimization under matrix completion

Linear programming models have been widely used in input-output analysis for analyzing the interdependence of industries in economics and in environmental science.In these applications,some of the entries of the coefficient matrix cannot be measured physically or there exists sampling errors.However,the coefficient matrix can often be low-rank.We characterize the robust counterpart of these types of linear programming problems with uncertainty set described by the nuclear norm.Simulations for the input-output analysis show that the new paradigm can be helpful.