Lipschitz函数的极小化理论和统一算法.pdf

摘要 本文主要研究目标函数和约束函数都是局部Lipschitz函数的非光滑最优 化问题．内容涉及到局部Lipschitz函数的广义不变凸性，集值映射的广义单调 性，在没有任何约束规格条件下的各种非光滑最优化问题的最优性充分条件和 必要条件，混合对偶理论，Lagrange鞍点理论以及非光滑单目标优化问题的非 单调线搜索算法和信赖域算法．分四部分介绍如下： 一、局部Lipschitz函数的广义不变凸性和集值映射的广义单调性 convexificator)的定义，引入了非光滑的广义(严格)不变拟凸函数和广义(严格) 不变伪凸函数以及集值映射的广义(严格)不变拟单调性和广义(严格)不变伪 单调性，研究了广义不变凸性与广义不变单调性之间的关系，特别地，分别建立 了一个局部Lipschitz函数的不变拟凸性和它的J．L次微分映射的不变拟单词 性之间的充分必要条件，以及一个局部Lipschitz函数的(严格)不变伪凸性和 它的J—L次微分映射的(严格)不变伪单调性之间的充分必要条件． 二、非光滑最优化问题的最优性条件，混合对偶理论以及Lagrange鞍点理 论 不需要任何约束规格条件，建立了非光滑数学规划的一阶最优性充分必要 条件，以此为基础建立了几类非光滑最优化问题的混合对偶规划，并且在没有任 何约束规格条件下证明了弱对偶定理，强对偶定理以及Lagrange函数的鞍点存 在性定理．对于极小极大分式规划和凸的广义极小极大分式规划，分别建立了 它们的混合对偶规划．该对偶规划统一了著名的Mond-Weir对偶模型，Wolfe 对偶模型和参数对偶模型．基本上解决了由L“、Liu和Tanaka在1999年提 出的两个问题． 三、非光滑最优化问题的非单调线搜索算法 把强制函数应用于非单调线搜索技术，并且把该技术应用到目标函数是局部 Lipschitz函数的非光滑无约束最优化问题的研究中去，得到了一个非单调线搜 索方法的一般框架，并且建立了该方法的全局收敛性结果．作为特殊情况，可以得 到非光滑无约束最优化问题的线搜索算法的广义Armijo-准则，广义Goldstein一 准则和广义Wolre-准则． 四、非光滑最优化问题的非单调信赖域算法 研究了无约束非光滑最优化问题的非单调信赖域算法模型．算法中所解的 2 7】中研究的，子问题含有一个迭代函数，因此 信赖域子问题是Qi和Sun在[4 具有—般性．一方面，我们将非单调技术用于Qi和Sun的信赖域算法，给出了 一个非光滑无约束极小化问题的一个非单调信赖域算法，并且证明了该算法是 整体收敛的．非单调信赖域算法可以保证，当迭代点进入弯曲的峡谷中时，算法 有较好的收敛速度．但是，对此非单调信赖域算法我们只能证明。由算法产生的 迭代点列中存在—个聚点是稳定点的收敛性质．因此，我们采用Toint的思想对 算法进行了改进，给出了问题(P)的～个修正的非单调信赖域算法，该算法有 较好的收敛性质，由该算法产生的迭代点列中每一个聚点都是一个临界点．另 一方面，在同样的假设条件下，我们给出一个问题(P)的半径有下界的信赖域 算法．这个算法是也是一个标准的信赖域算法，唯一的区别在于成功迭代后的 信赖域半径的修正，算法选择了一个较小的半径△“。做为新的半径的下界．另 外，我们用传统的方法给出算法的收敛性证明． 最后，我们用类似的方法研究了LCl问题，即目标函数的梯度V，是一个 局部Lipschitz函数．通过解孙文瑜等人用二阶Dini方向导数建立了的一种新 的信赖域子问题，给出了一个LCl问题的一个非单调信赖域算法，并且证明了 该算法是整体收敛的． 关键词J—L次微分，广义不变凸函数，广义不变单调集值映射，非光滑规 划，混合对偶，极小极大分式规划，非单调线搜索算法，非单调信赖域算法． Abstract Inthis thenon-smooth thesis，we study wheretheoh- optimization problem functio