极大极小问题极大熵方法的收敛性

本文给出了极大极小问题的一种概念性的极大熵方法，并在较弱的条件下，证明了这种方法的收敛性。     

多目标规划的极大熵方法

多目标规划的极大熵方法王雪华，秦学志（大连理工大学）ＴＨＥＭＡＸＩＭＵＭＥＮＴＲＯＰＹＭＥＴＨＯＤＦＯＲＭＵＬＴＩＯＢＪＥＣＴＩＶＥＰＲＯＧＲＡＭＭＩＮＧ￥ＷａｎｇＸｕｅ－ｈｕａ；ＱｉｎＸｕｅ－ｚｈｉ（ＤａｌｉａｎＵｎｉｖｅｒｓｉｔｙｏｆＴｅｃｈｎｏ...     

广义多目标minmax问题的最优性条件和极大熵方法

本文讨论了广义多目标minmax问题的最优性条件。利用极大熵逼近函数，研究了广义多目标minmax；问题的逼近问题，在较弱的条件下，证明了由极大熵逼近函数导出的多目标逼近问题的临界点的任一极限点均为原广义多目标minmax问题的临界点。     

一类不可微优化的极大熵方法的收敛性

本文对求解如下问题的极大熵方法的收敛性质进行了研究：（Ｐ）ｍｉｎｆ（ｘ）＝ｍａｘ｛ｆｉ（ｘ）｝,ｓ,ｔ。ｘ∈Ω＝｛ｘ∈Ｒ＾ｎ│ｇｊ（ｘ）≤０,ｊ＝１,…,ｌ｝。其中ｍ≥１,ｌ≥０为整数;若ｌ＝０,规定Ω＝Ｒ＾ｎ。     

非线性不等式与等式约束的多目标规划问题的区间极大熵方法

利用极大熵方法将带多个非线性不等式约束和多个非线性等式约束的多目标规划问题变为两个非线性不等式约束的单个可微的目标函数优化问题,并结合区间分析知识给出一种新的解决多目标规划问题的区间方法.     

一类约束不可微优化问题的区间极大熵方法

本文研究求解不等式约束离散ｍｉｎｉｍａｘ问题的区间算法,其中目标函数和约束函数是 Ｃ~１类函数．利用罚函数法和极大熵函数思想将问题转化为无约束可微优化问题,讨论了极大熵函数的区间扩张,证明了收敛性等性质,提出了无解区域删除原则,建立了区间极大熵算法,并给出了数值算例．该算法是收敛、可靠和有效的．     

一类约束不可微优化问题的极大熵方法

1.引言 用极大熵原理可以有效地处理某些优化问题,一般迭代2—6次即可达到工程要求的精度。本文给出一类约束不可微优化问题的两种极大熵方法,推广了[1,2]的结果,并研制了计算程序。试算结果说明效果良好。进一步的结果在[4]中给出。 考虑下述问题:     

求解约束Min—Max问题的一种极大熵同伦算法

本文将同伦路径跟踪方法与极大熵方法相结合来求解带有约束的Min-Max问题,并得到了算法的收敛性和有效性。     

非线性l1问题的极大熵方法

本文给出求解非线性l1问题的极大熵方法,介绍了极大熵函数的性质,极大熵算法及其收敛性。最后给出一个算例。     

一类双曲反问题的逼近算法及收敛性

该文考虑地球物理勘探中出现的间断特性阻抗的反演问题．利用样条插值理论，把无穷维空间上的反问题用有限维空间上的反问题来近似．利用半群理论，证明了近似反问题之解收敛于原反问题之解．据此可得到求解反问题的一种稳定的近似算法．     

非线性l_1问题的极大熵方法

本文给出求解非线性l1问题的极大熵方法．介绍了极大熵函数的性质,极大熵算法及其收敛性,最后给出一个算例。     

极大熵方法与指数罚函数

就非线性极大极小问题，阐明了极大熵方法与指数罚方法的关系．通过分析相关Ｈｅｓｓｉａｎ阵的条件数，对二者进行了对比．     

工程设计中约束规划熵方法的收敛性分析

极大熵方法在工程设计优化中得到成功的应用,但它的收敛性分析一直没有得到很好的解决．本文讨论了这个有意义的问题,在一般连续条件下解决了工程设计中的外点极大熵方法和内点极大熵方法的收敛性．     

求解非线性互补问题的逐次逼近拟牛顿法的收敛性分析

提出了求解非线性互补问题的一个逐次逼近拟牛顿算法。在适当的假设下,证明了该算法的全局收敛性和局部超线性收敛性。     

精确罚函数和极小极大问题

在这篇文章中我们研究了对于不等式约束的非线性规划问题如何根据极小极大问题的鞍点来找精确罚问题的解。对于一个具有不等式约束的非线性规划问题,通过罚函数,我们构造出一个极小极大问题,应用交换“极小”或“极大”次序的策略,证明了罚问题的鞍点定理。研究结果显示极小极大问题的鞍点是精确罚问题的解。     

凸规划的极大熵函数序列及其收敛性

为了消除凸规划问题中极大熵方法所导致的数值病态，该文应用Lagrange乘子法及赋范原理，给出一类凸规划问题的极大熵函数序列，并证明该序列一致收敛于凸规划的最优解。     

Multiobjective Control Approximation Problems: Duality and Optimality

A general convex multiobjective control approximation problem is considered with respect to duality. The single objectives contain linear functionals and powers of norms as parts, measuring the distance between linear mappings of the control variable and the state variables. Moreover, linear inequality constraints are included. A dual problem is established, and weak and strong duality properties as well as necessary and sufficient optimality conditions are derived. Point-objective location problems and linear vector optimization problems turn out to be special cases of the problem investigated. Therefore, well-known duality results for linear vector optimization are obtained as special cases.