对二阶最优性条件的研究

考虑具有等式约束的非线性规划问题:设其中f:R~n→R,h:R~n→R~m均为二次连续可微,定义函数L:L(x,λ)=f(x)-λ~Th(x),其中λ∈R~m,以A记h的Jacobi矩阵,则有下列关于局部最优解的二阶充分条件:对于x~＊∈R~n,如果(     

Lipschitz函数近似次微分的凸性

A.D.IOFFE 在研究不可微优化中针对一类 Lipschitz 函数提出了近似次微分的概念.有许多问题有待解决.本文主要讨论了 Lipschitz 函数近似次微分的凸性,并在一维的情况下给出了一个充分条件.为方便起见,我们用“f∈L.(R~m→R~1)”来表示“f 是 R~m 上的 Lipschitz 函数”.定义1 设 R~n 为 n 维欧氏空间.f:R~n→R~1,|f(x)|<+∞,定义 f(x)的 Dini 导数为     

不可微优化不动点算法的收敛性

定义 设f(x)是定义在R~n上的实函数,若存在λ∈[0,1],使得对任意的x,y∈R~n,当f(x)≤f(y)时,总成立: 则称f(x)是R~n上的λ次凸函数。显然,λ=1时,f(x)即为通常的凸函数,λ=0时,f(x)为拟凸函数。 考虑一般不可微数学规划问题:     

拟可微函数的弱 Fritz—John 条件

本文利用Lagrange乘子研究了具有不等式约束条件的拟可微函数优化问题,给出了一个Fritz-John形式的最优性条件,这一结果去掉了文献[2]中的所有假设条件。考虑下述优化问题其中f_i(x),i=0,1,…,m为R~n上的拟可微函数(在Demyanov和Rubinov意义下)。引理1 设x为问题(P)的最优解,对任意一组超微分下述优化问题     

DFP算法收敛性的一个结果

变尺度算法作用于非凸函数,是否具有全局收敛性,有关这方面的研究是十分重要的。[1]在▽f满足Lipschitz条件且算法产生的点列收敛的假设下证明了DFP算法的全局收敛件。本文给出一个与Lipschitz条件互不包含的新的条件,在此条件下,我们证明了若算法产生的点列收敛于某点,则此点必为函数的稳定点。一、引言对于非线性最优化问题:_(x∈R~n)~min f(x),其中f:R~n→R~1连续可微,用变尺度算法来求解通常是有效的。而在众多的变尺算法中,DFP算法(Davidon、Fletcher and     

总极值及总极值点集的稳定性

设 R~n 是 n 维欧氏空间,G 是 R~n 中的子集,f 是 G 上的函数.假设(1)G 是闭集;(2)f 是 R~n 上的连续函数;(3)存在一个常数 c,使得水平集 H_o ={x|f(x)≤c}与 G 的交 H_o∩G 是非空紧集.非线性规划在局部极值附近的灵敏性和稳定性问题已有不少工作.本文将利用函数 f 在其水平集上均值等概念来研究 f 在 G 上的总极值     

抛物型Monge-Ampère方程的第一边值问题

本文给出了方程(A)的解的存在性,唯一性和正则性结果。其中D为R~n中严格凸的,具有D~4光滑边界αD的有界区域,T>0,0<β<1为常数,f(x,t,u,p),F(x,t)为函数,满足:     

无约束非光滑优化问题信赖域算法的收敛条件

1 引言 考虑下列无约束非光滑优化问题 minf(x),(1) x∈R~n,其中f为R~n上的局部Lipschitz函数,本文将‖·‖_2简记为‖·‖.记下列信赖域子问题为S∪B(x,△). min m(x,s)=φ(x,s)+1/2s~TBs, 其中φ:R~(2m)→R为f的迭代函数。 对于无约束非光滑优化问题(1),[11],[13],[3]、[4]和[5]分别在特殊的条件下给出了信赖域算法用以求解(1)的收敛性结果。最近,[10]、[2]和[6]在不同的假设条件下分别给出了信赖域算法求解无约束非光滑优化问题的一般模型,并在子问题的目标函数满足局部一致有界性条件时证明了算法模型的整体收敛性。在目标函数满足某种正则性条件时,[11]和[9]给出了当信赖域子问题的目标函数中二次项不满足一致有界性条件时的收敛性结果.本文则在目标函数仅为局部Lipschitz函数时得到了和[8]、[11]、[9]相同的收敛性结果。     

一类求解无约束优化问题的混合含参数共轭梯度法

正1引言考虑大规模无约束优化问题min f(x) from x∈R~n,(1)其中f(x)是一阶连续可微函数.共轭梯度法的基本迭代格式可描述为     

关于乘子法的一种新算法

本文提出了关于增广乘子法的一种新算法.证明了该算法的合理性及其收敛速率为超线性的.对于非线性规划问题:(P)minf(x) x∈R~ns.t.h(x)=0,g(x)≤0.其中f:R~n→R~1;h:R~n→R~m;g:R~m→R~p均为二次连续可微.等式与不等式的有效约束的     

具有非线性阻尼项和周期强迫项的次线性不对称可逆系统的拟周期解

本文考虑一类具有非线性阻尼项和周期强迫项的次线性不对称可逆系统x′′+α(x~+)~(1/3)-β(x~-)~(1/3)+q(x)g(x′)+f(x)=e(t)的Aubry-Mather集和拟周期解的存在性,其中x~±=max{±x,0},q(x)、g(x)和f(x)均是R上连续可微函数,e(t)是R上连续2π-周期函数.利用周修义(Shuinee Chow)和裴明亮建立的可逆系统的Aubry-Mather定理,在函数q(x)、f(x)和e(t)具有某种奇偶性假设条件下,本文证明了该可逆系统存在无穷多广义拟周期解.     

采用增广拉格朗日乘子形式的罚函数作线性搜索的递归等式约束二次逼近算法

1.引言 本文所讨论的问题如下: Min f(x) x∈R~n, s.t. c_i(x)=0,i=1,…,q,(1.1) c_i(x)≤0,i=q+1,…,p.解此问题的递归等式约束二次逼近算法,是由Murry(1969)提出,而后由Biggs(1972)发展的.此项研究是从罚函数的轨迹出发,建立一个只包含等式约束的二次规划子问题,从而可用代数的方法求得搜索方向.并沿该方向作线性搜索而完成一次迭代过程.Biggs将二次罚函数作为效应函数用于线性搜索,并证明了该算法具有全局收敛性和局部超线     

大型稀疏无约束最优化的列分划校正Cholesky因子算法

我们考虑求解无约束优化问题1引言(?)f(x),(1)其中f：D(?)R~n→R为R~n上的二次连续可微函数,且f(x)的二阶Hesse阵H(x)稀疏、正定．为了求解问题(1),我们考虑下列Newton型方法x~(k 1)=x~k-(B~k)~(-1)▽f(x~k),k=0,1,…,(2)其中B~k是和Hesse阵H(x~k)具有相同稀疏性的近似．由于Hesse阵对称,我们假定B~k对称．为了具体说明给定矩阵B的稀疏性,我们使用M来定义指标对(i,j)的集合,其     

对于非线性等式约束的增广-罚函数的拟牛顿法

H.Yamashita在[1]中对非线性不等式约束问题: minf(x),s.t.g_i(x)≤0,i=1,…,m;x∈R~n (1.1)给出了增广?-罚函数的拟牛顿法,以克服Han的不可微罚函数拟牛顿法的不可做缺陷,并证明了如下结论: 若f,g连续可微,并满足如下条件:     

极大奇异积分算子的一个BLO估计

本文研究以(Ω(x)/|z|n))为核的极大齐次奇异积分算子在空间BMO(R~n)上的性质,其中Ω是一个零阶齐次函数且在单位球面上均值为零．可以证明：若Ω满足某种最小尺度条件和某种L~1-Dini型正则性条件,则此极大奇异积分算子是由BMO(R~n)到BLO(R~n)的有界算子．     

关于三角函数週期的求法

一、週期函数的定义有一个不为0的实数p对于函数f(x)使得等式f(x)=f(x+p)成立,则函数f(x)称为週期函数,而常数p称为此函数的週期。由週期函数的定义可以直接推得:若p是函数f(x)的週期,則数2p,3p,…,—p,     

不可微规划的一个积分下降算法

第一部分 不可微规划一般可写成如下形式 min{f(x)|g(x)≤0,x∈R~n},其中f为R~n→R的函数,g=(g_1,…,g_m),每个g_i也是R~n→R的函数.本文研究不带约束的不可微规划min{f(x)},在第一部分介绍不可微规划的一些基本概念以及两种主要的算法思想,这两种思想将应用在本文的算法设计中.第二部分给出算法采用的基本积分概念,引理及有关结果.第三、四部分分别给出算出S1和S2.     

半参数模型的密度函数估计

令X,X_1,…,X_n为一串彼此独立具有相同分布的k维随机向量序列,此分布的密度函数f(x)∈f■f■={f(x,θ):θ∈①■R~p}我们建立了f(x)的一个估计不论是参数模型(f∈f~0)成立与否皆几乎处处收敛到f(x)而且在f∈f~0时此估计比非参数估计要好,我们不仅考虑了正则条件也考虑了非正则条件。     

一类规划问题的最优性讨论

本首先给出一类新的目标函数的分子和分母及约束函数都含有支撑函数的单目标分式规划问题模型，并打破f(x)，g(x)，h,(x)可微的限制，率先利用凸分析理论讨论了f(x)，g(x)，hj(x)不可微(从而目标函数和约束函数可微性不定)时的最优性条件。     

非光滑优化的二阶必要条件

1 引言 对无约束最优化问题,其必要条件要求在局部极小点x处沿任何方向的梯度为零,曲率为正。而对约束最优化问题,首先它的局部极小点必须是可行点,其次不仅要求验证局部 极小点的某个邻域内的二阶项(曲率),而且也要认识到约束曲率也起相当重要的作用。现实中存在这样的问题,在x点处G正定,而它不是局部极小点。因此必须考虑约束最优化问题的二阶必要性条件。 本文研究了非线性规划的二阶必要性条件,其约束函数的一阶导数为方向Lipschitz连续。 2 方向Lipschitz连续函数的性质 定义2.1 设f是R~n上的一个广义实值函数,f在x∈R~n处有限,称f在x处是方向Lipschitz连续的,如果至少存在一点y∈R~n使得 其中( 定义2.2 设f如定义2.1,定义f在R~n处的次导数集如下 其中 本文多次引用f↑(x;y),因此我们首先介绍f↑(x;y)的3个基本性质: