一类广义梯度其在最优化中的运用.pdfVIP

摘要 本文讨论了一类广义梯度及其在最优化中的应用，共分五节． 第一节是引言部分，提出了最优化问题的实质是在给定条件下 求一函数的极值点；简述了非光滑分析的主要研究内容及其发展进 程；指出研究Lipschitz函数的微分性质，具有深刻的理论意义和广 泛的实用前景． 第二节引入基本定义和记号，在Clarke和徐义红提出的各自的 广义梯度的基础上，定义了一类D正则弱L函数，且提出了一个 新的广义梯度．设，：R“—斗R，其广义梯度为 垦，(虿)={∈∈R“1f，d≤二!V(i；d)，Vd∈R”)， 其中兰H(面；d)为，在虿处沿方向d的方向导数，即 D『(_；d)：llminf韭兰攀． 。 tj0 t 并给出了若干性质定理．文中对三类广义梯度进行比较，若以ao，(爵) 和否，(i)分别表示Clarke和徐义红定义的广义梯度，三者之间的包 含关系为 ao，(_)2a，(面)三of(_)． 即本文定义的广义梯度集合较小；而当，为凸函数或，可微时，三 者统一．举例说明在选择广义梯度中的元素时，有可能比较方便、 快捷．同时也指出在某些应用环境下本文定义的广义梯度的不完善 之处． 第三节和第四节是本文的主要章节，以本文定义的广义方向导 数和广义梯度为分析工具，对目标函数为D正则弱L函数，约束 函数为正则弱L函数的单目标非光滑规划分别给出了一阶必要条 件和一阶充分条件．本文定义的广义方向导数在一般情况下不具有 凸性，因而研究其性质时，要采用新的方法来得到类似的结论． 第五节介绍了Mond-Weir对偶和Wolfe对偶，并重点讨论了徐 增坤教授提出的混合型对偶．依所给约束函数的不同条件来恰当划 分约束集，在广义(只P)凸性下，证明了弱对偶定理、强对偶定理 以及严格逆对偶定理． 关键词非光滑分析；方向导数；广义梯度；正则弱L函数；D 正则弱L函数；一阶必要条件；一阶充分条件；约束品性；D一(F，P) 凸性；混合型对偶 2 A Gradient NewGeneralizedand Applications in Problems Optimization of andInformation Normal Mathematics，PhysicsScience，Zhejiang (College University,Jinhua，Zhejiang，China，321004) Abstract This offive anew sections，discusses paper，consisting generalized madits in problems， applications gradient optimization InSectionfirst our thatthe of 1，we presentargument purpose of istosearchforthemaximumvalueafunction．The optimization researchesre