序线性空间中向量极值问题的最优性条件

本文在序线性空间中建立了广义次似凸映射下的择一定理,运用此定理,得出一类向量极值问题的最优性条件.     

线性空间中向量极值问题的最优性条件

文 [1]建立了线性拓扑空间中向量极值问题的广义 Kuhn- Tucker条件和 L agrange乘子存在定理 .本文将在线性空间中讨论这方面问题 ,首先在线性空间中建立了次似凸向量值映射的择一定理 ,进而得出序线性空间中向量极值问题的最优性条件及其标量化定理 .     

一类向量极值问题的最优性条件

本文利用序线性空间中关于次似凸集值映射的择一性定理,得出了具有广义等式和不等式约束的向量极值问题的最优性条件.     

乘积Banach空间中等式约束向量极值问题的最优性必要条件

本文利用Banach空间中的隐函数定理和序线性拓扑空间中对于次似凸向量值映射的择一定理,得出了乘积Banach空间中具有等式约束向量极值问题的若干最优性必要条件.     

线性空间中集值映射向量优化问题的最优性条件与Lagrangian乘子

本文在广义次似凸性假设下,利用择一性定理,在线性空间中获得了含等式与不等式约式集值向量最优化问题的Kuhn-Tucker型最优性条件及Lagrangian乘子定理。     

集值映射向量最优化的最优性条件

本文在序线性拓扑空间中,证明了广义Y+一次似凸集值映射的一个择一性定理,利用此定理,我们得到集值映射向量最优化问题的最优性条件.     

广义次似凸集值优化的鞍点定理

讨论广义次似凸集值优化的鞍点定理.给出广义次似凸集值映射的两个性质.定义广义次似凸集值优化的Fritz-John鞍点和Kuhn-Tucker鞍点.获得一系列广义次似凸集值优化的鞍点定理.     

序线性空间中广义半似凸集值映射向量优化的Benson真有效性

在序线性空间中建立了广义半似凸集值映射的择一定理.利用向量闭包,引进了集值优化的Benson真有效解.在广义半似凸的假设下,获得了Benson真有效性意义下的标量化定理,Lagrangian乘子定理和鞍点定理.     

偏序线性空间中向量集值映射最优化问题解的鞍点条件和Lagrange对偶

本文在没有任何拓扑结构的条件下，给出了向量集值映射最优化问题解的鞍点充分和必要条件以及Ｌａｇｒａｎｇｅ对偶，从而将文献（１）中的有关结果推广到更一般的偏序线性空间，并进一步给出了逆对偶定理。     

关于一类向量极值问题弱有效解的充分必要条件

本文研究带集合约束的向量极值问题。运用局部凸Hausdorff拓扑向量空间中广义次似凸映射的择一定理和其他一些结论，得到了关于集合约束向量极值问题弱有效解的几个充分必要条件．     

向量映射的鞍点和Lagrange对偶问题

本文研究拓扑向量空间广义锥-次类凸映射向量优化问题的鞍点最优性条件和Lagrange对偶问题,建立向量优化问题的Fritz John鞍点和Kuhn-Tucker鞍点的最优性条件及其与向量优化问题的有效解和弱有效解之间的联系。通过对偶问题和向量优化问题的标量化刻画各解之间的关系,给出目标映射是广义锥-次类凸的向量优化问题在其约束映射满足广义Slater约束规格的条件下的对偶定理。     

序线性空间中向量优化问题的K-T型定理

本文在广义凸性条件下,研究实线性空间中一类向量优化问题的最优性条件,我们引入F ritz-John鞍点,、“K-T鞍点”讨论它们与有效解、弱有效解之间的关系.     

序线性空间中向量极值的标量化定理

文[1]在B anach空间中讨论了向量优化问题的标量化问题。本文在序线性空间由凸集分离定理得到了序线性空间中向量极值的标量化定理。     

近似锥一次类凸集值向量优化问题强有效解的广义鞍点刻画

本文研究了近似锥一次类凸集值向量优化强有效解的广义鞍点表示问题.利用择一定理,得到了近似锥-次类凸集值优化问题强有效解为广义鞍点的充分条件和必要条件.所得结果丰富了集值优化理论,并且拓广了广义鞍点的应用.     

线性拓扑空间中标量化定理的一个证明

本文对标量化问题的一个重要定理 [1]在线性拓扑空间中给予了证明 ,从而使该定理应用到线性拓扑空间 .     

Banach空间中多目标规划的局部有效解的必要条件

本文对Ｂａｎａｃｈ 空间中的多目标规划的局部有效解提出Ｆｒｉｔｚ Ｊｏｈｎ 必要条件和Ｋｕｈｎ－Ｔｕｃｋｅｒ必要条件,并且证明了多目标规划的Ｌａｇｒａｎｇｅ 正则性等价于一个标量规划问题的Ｌａｇｒａｎｇｅ 正则性．     

线性空间中具有集到集映射的向量极值问题的Lagrange乘子定理

本文在没有任何拓扑结构的条件下，即在非常一般的线性空间中，首先利用Ｍｏｒｒｉｓ序列定义了集到集凸映射的概念，其次证明了集到集映射的Ｆａｒｋａｓ－Ｍｉｎｋｏｗｓｋｉ定理，然后讨论了具有集到集映射的向量极值问题的Ｌａｇｒａｎｇｅ乘子定理。     

多元统计中期望向量的线性容许估计

设Ｙ１，Ｙ２，…，Ｙｎ独立同分布，ＥＹ１＝β，ＣｏｖＹ１＝Σ，这里β∈Ｒｍ与Σ：ｍ×ｍ＞０均未知．取Ｌ１（ｄ，β）＝（ｄ－β）′（ｄ－β），Ｌ２＝（ｄ，β）（ｄ－β）′，Ｌ＝｛Ｌ１Ｙ１＋Ｌ２Ｙ２＋…＋ＬｎＹｎ：Ｌｉ为ｍ阶实方阵，ｉ＝１，２，…，ｎ｝．本文在Ｌ１和Ｌ２下分别给出了线性估计在Ｌ中是β的容许估计的充要条件．     

METRIC GENERALIZED INVERSE OF LINEAR OPERATOR IN BANACH SPACE＊＊＊

The Moore-Penrose metric generalized inverse T of linear operator T in Banach space is systematically investigated in this paper. Unlike the case in Hilbert space, even T is a linear operator in Banach Space, the Moore-Penrose metric generalized inverse T is usually homogeneous and nonlinear in general. By means of the methods of geometry of Banach Space, the necessary and sufficient conditions for existence, continuitv, linearity and minimum property of the Moore-Penrose metric generalized inverse T will be given, and some properties of T will be investigated in this paper.