向量优化理论及相关问题的研究

来源 :内蒙古大学 | 被引量 : 1次 | 上传用户:pipijiayoua
下载到本地 , 更方便阅读
声明 : 本文档内容版权归属内容提供方 , 如果您对本文有版权争议 , 可与客服联系进行内容授权或下架
论文部分内容阅读
向量优化理论是优化理论和应用的主要研究领域之一。对这一问题的研究涉及到凸分析、非线性分析、非光滑分析、偏序理论等多门学科。同时它在经济分析、金融管理、工程设计、生态保护、军事决策等领域有着广泛的应用。因此向量优化理论的研究既具有重要的理论价值也具有实际应用意义。本文主要研究向量优化理论中四个方面的内容:即向量值映射的广义凸性;向量优化问题的近似解;向量优化问题的最优性条件与对偶性;向量变分不等式等。   本文主要工作如下:   第一章,概述了向量优化理论的研究意义及发展概况,由此阐述了本文的选题动机和主要工作。介绍了本文研究所需的一些基本概念和相关理论。   第二章,在Banach空间中引入了ε-锥次预不变凸函数的概念,研究了它与相关的锥凸性、锥次凸性、锥预不变凸性之间的关系。给出了ε-锥次预不变凸函数的一些性质。在ε-锥次预不变凸性假设下,得到了向量优化问题近似有效解的最优性条件,建立了近似有效解的对偶定理。   第三章,在Banach空间中引入了一类新的广义向量值弧连通函数,称之为ε-次弧连通函数。给出了ε-次弧连通函数的一些性质,研究了具有ε-次弧连通性的向量优化问题近似有效解的最优性条件和对偶性。   第四章,研究了Asplund空间中向量优化问题近似有效解和近似拟有效解的Lagrange乘子法则。首先,在目标空间中序锥内部非空的情况下,应用分离函数作为标量化函数,建立了带集合约束的向量优化问题与标量优化问题之间的关系,进而分别应用极限次微分和Fréchet次微分,得到近似有效解和近似拟有效解的Lagrange乘子型最优性必要条件。其次,在目标空间中序锥内部是空集的情况下,应用有向距离函数作为标量化函数,建立了带锥约束的向量优化问题与标量优化问题之间的关系,进而得到了此种情况下的近似有效解和近似拟有效解的Lagrange乘子型最优性必要条件。最后,我们应用前面得到的部分结果,研究了向量变分不等式问题。通过建立向量优化问题与向量变分不等式之间的关系,给出了向量变分不等式解的性质。   第五章,研究了向量优化问题的近似拟有效解。根据函数在一点的G(a)teaux可微性给出了向量优化问题近似拟有效解的最优性必要和充分条件。引入了近似Mond-Weir型对偶模型,给出了对偶定理。   第六章,研究了向量变分不等式解的存在性及向量变分不等式与向量优化问题之间的关系。首先,引入了εe-松弛伪单调性(弱于伪单调性),在εe-松弛伪单调性假设下,给出了向量变分不等式和弱向量变分不等式解的存在性定理,同时也得到了两类近似向量变分不等式的可解性结果.其次,利用罚函数的思想,建立了向量似变分不等式与一类向量优化问题之间的关系。   第七章,利用上Dini方向导数引入了不可微伪不变凸函数的概念,给出了这类伪不变凸函数的一些性质,得到了不可微伪不变凸优化问题解集的一些新刻画。并且通过建立新凸性下似变分不等式与优化问题之间的关系,给出了似变分不等式解集的刻画。
其他文献
针对目前流行的可视化监控系统存在的缺陷 ,研制了一种利用计算机系统辅助完成运动目标自动检测和分类的智能化监控系统 ;并针对户外监控场景复杂、干扰大 ,人体识别困难等问题 ,提出了检测块、提取函数、特征点等概念 ,以及基于影子模式的投影直方图技术 ,基于时空信息的累加和技术和基于边缘检测的几何模型技术等关键技术 ,以解决户外复杂背景下的人体识别困难问题 ,以降低户外监控的漏警率和误警率
该文提出了一种新的识别有遮挡目标的方法 ,即将目标模型和含有目标的遮挡图象的轮廓在某一尺度上张角的极值、极值点 (亦称显著点 )之间距离、相对位置等信息集成在一起 ,作为描述目标模型 (遮挡图象 )的一组特征 ,且这组特征在平移、旋转和均匀尺度变换下保持不变 .其轮廓上点 p处的张角可用余弦定理很方便地求出 ,而张角的极值点则对应于轮廓急剧变化的地方 .同时将特征匹配定义为模型特征与遮挡图象特征之
顶点代数是理论物理中chiral代数的数学描述,顶点代数可以看成是李代数和交换结合代数的推广.目前关于顶点代数的研究主要集中在复数域上.顶点超代数是顶点代数理论的自然推广
假设B是一个Banach空间,F是B到B上的可微算子,研究奇异非线性方程   F(x)=0的解法,在自然科学和社会科学中具有理论和现实意义,例如边界层理论、弹性力学、反应扩散系统、
在对企业的项目评估上,传统的折现现金流法已经不再试用。学者们开始将期权的思想加入到项目评估上,这就是本文中着重介绍的实物期权。本文主要介绍两部分内容:一部分是企业项
作为倒向随机微分方程的一种推广,我们考虑下面的BSVIE:Y(t)=ψ(t)+g(t,s,Y(s),Z(t,s),Z(s,t)ds-Z(t,s)dB(s).(0-1)雍炯敏在[39]引入了方程(0-1)的一个新的解的定义:adapted M-solu