拟凸函数的一个充分条件

十多年来,广义凸函数的研究构成了数学规划研究的趋向之一。拟凸函数是数学规划中常见的一种广义凸函数类。然而,对于给定的一个函数,如何用二阶导数判别其广义凸性。现有文献中,见之不多。Ferland[1]等人在七十年代初用K阶加边行列式的方法曾经讨论过一个二次可微函数是拟凸函数的必要条件和充分条件。熟知,对于一个二次可微函数,二阶导数可以表征函数的凸性。本文根据微分方程的极值原理,给出一个二次可微函数是拟     

（h，φ）-不变广义凸函数的若干性质与（h，φ）-不变广义凸多目标规划的最优性及对偶性

研究了Ben-Tal广义代数运算的若干性质，引进了(h，φ)-不变广义凸函数的概念，讨论了(h，φ)-不变广义凸函数的若干性质，给出了(h，φ)-不变广义凸半无限多目标规划取得有效解(或弱有效解)的充分条件，建立了(h，φ)-不变广义凸多目标规划的Lagrange对偶理论。     

不变凸函数的几何性质

~~     

多目标规划的鞍点准则

本文给出多目标规划有效解适应鞍点准则的一个新的判别法 ,它不使用凸性的几何术语及凸分析中的概念。最后给出单目标规划的一个相应的判别法     

解线性约束凸规划的次最优化方法和改进

1.引 言 关于线性约束下的非线性规划,很多人进行了研究,Zangwill[3] 于1967年提出了次最优化方法,该方法的原理是将原规划问题化为一系列只含有等式约束的子问题求解,最后找到最优解所在的流形,在此流形上使用无约束规划的各种方法求解原问题即可.薛声家[2]1983     

基于增广Lagrange函数的RQP方法

Recursive quadratic programming is a family of techniques developd by Bartholomew-Biggs and other authors for solving nonlinear programming problems.This paperdescribes a new method for constrained optimization which obtains its search di-rections from a quadratic programming subproblem based on the well-known aug-mented Lagrangian function.It avoids the penalty parameter to tend to infinity.We employ the Fletcher‘s exact penalty function as a merit function and the use of an approximate directional derivative of the function that avoids the need toevaluate the second order derivatives of the problem functions.We prove that thealgorithm possesses global and superlinear convergence properties.At the sametime, numerical results are reported.     

带有随机因素的逆DEA模型

本文讨论含有随机因素的逆 DEA模型 .逆 DEA模型解决的问题是 :对于某个决策单元 (DMU ) ,若增加其输入 ,在保持相对效率水平不变的情况下 ,估计 (预测 )输出应增加多少 .因此逆 DEA模型可用于短期预测问题 .带有随机因素的逆 DEA模型 ,是将该问题转化成机会约束的多目标规划问题 ,在某些特殊情况下 ,成为机会约束的线性规划问题 .     

一类二层凸规划的对偶二层规划

本文讨论上层目标函数以下层子系统目标函数的最优值作为反馈的一类二层凸规划的对偶规划问题 ,在构成函数满足凸连续可微等条件的假设下 ,建立了二层凸规划的 Lagrange对偶二层规划 ,并证明了基本对偶定理 .     

随机交通均衡配流模型及其等价的变分不等式问题

本文讨论了交通网络系统的随机用户均衡原理的数学表述问题.在路段出行成本是流量的单调函数的较弱条件下,对具有固定需求和弹性需求的模式,首次证明了随机均衡配流模型可表示为一个变分不等式问题,同时也说明了该变分不等式问题与相应的互补问题以及一个凸规划问题之间的等价关系.     

COMPOSITE-STEP LIKE FILTER METHODS FOR EQUALITY CONSTRAINT PROBLEMS

In a composite-step approach, a step sk is computed as the sum of two components vk and hk. The normal component vk, which is called the vertical step, aims to improve the linearized feasibility, while the tangential component hk, which is also called horizontal step, concentrates on reducing a model of the merit functions. As a filter method, it reduces both the infeasibility and the objective function. This is the same property of these two methods. In this paper, one concerns the composite-step like filter approach. That is, a step is tangential component hk if the infeasibility is reduced. Or else, sk is a compositestep composed of normal component Vk and tangential component hk.