二层二次规划问题的最优性条件及算法研究-应用数学专业论文.docxVIP

研究了二层凸规划、二层Li pschitz 规划和二层拟可微规划的基本概念、性 质、各种微分表示和最优性条件等问题。 (2)在求解方法方面， Candler. Bard. Bialas[12.13.14J 等通过对二层线性规 划约束域的几何性质的研究提出了极点算法 :Moore，Bard IM-16}，徐南荣I川 等分别针对不同的类型提出了分枝定界法; Savard 和 Gauvin[18)在二层非 线性规划领域提出了下降算法; Aiyoshi ，Shimizu，Calamai ，Ananda1ingam， Luo 等分别提出了不同的罚函数法 [19叫。近年来，模糊数学方法、遗传算法、 模拟退火算法、网格搜索法等都已经应用于二层规划的求解中。 (3)在应用方面， LeBlanc 和 Boyce[23) 首先在交通领域将网络设计问 题作为二层规划问题来研究，并给出了明确的公式。 Yang Hai 等用二层规划 模型来解决交通控制问题。在资源分配，兵力部署，工程设计等方面，谈烨、 李志刚、 Krol[24. 25. 26)等也利用二层规划模型作了大量的研究. 1.2 二层规划的数学模型及分类 二层规划是二层决策问题的数学模型，它是一种具有二层递阶结构的系 统优化模型，上层问题和下层问题都有各自的目标函数和约束条件，上层先 给定一个决策变量，下层各子系统以这个决策变量为参量，根据自己的目标 函数和约束条件做出最佳反应，并将此最佳反应反馈给上层，上层再在下层 的最佳反应的基础上，在可能的范围内求得整体上的最优解。 根据下层决策对上层决策的不同反应，可将其分为以下两类二层规划模 型: ，下层以最优值反馈到上层: 1211F(x，v(x)) S1. G(x，v(x)) S; 0 v(x) =min{f(x ，y)lg(x，y) S;O} V ·下层以最优解反馈到上层: mTF(XJ) S1. G(X，y) 三 O 其中 y 解 mipf(XJ) $1. g(x，y) 兰。 称第一种类型为值型二层规划，第二种为解型二层规划.上述二层规划 模型中的函数 F ，G，f，g 中至少有一个为非线性函数时，称其为二层非线性规 划，否则为二层线性规划:根据上述二层规划上、下层目标函数 F，为f 向量 函数或单值函数，又可将其分为多目标或单目标 二层规划。 一般来说，求解 二层规划问题是非常困难的。这是因为:①约束的嵌 套性。②二层规划问题的可行域 一般都不具备凸性和闭性，有上层约束时 还可能不连通.③内在的非光滑性。因为下层问题含有参数，其最优解以 参数为自变量形成的映射一般非 Frechet 可微。④对于上层问题给出的某些 参数，下层问题可能是不可行的;即使可行，也有可能有多个最优解，这又 加大了二层规划问题的研究难度。⑤ N-P 难的计算复杂性。 Jeroslow 证明线 性二层规划问题是 N-P 难的以后， Bard 和 Blair 等也相继对此结论作了确认 和简短证明，后来， Han 等又证明二层线性规划问题是强 N-P 难问题. 1.3 二次规划的产生背景及研究现状 随着运筹学的不断发展，越来越多的分支已经出现井取得了丰硕的研究 成果，二次规划就是其中一个重要而又活跃的分支。在实际应用中，如工作 计划与调度，规模经营学，工程设计以及控制领域等，它们所涉及的很多问 题都可以表示成二次规划问题.此外，在化学工程建模过程中， Pooling 以 及 Blending 问题， Multi -period 和 Tankage 量化问题以及离散序列问题，都 可以归结为二次规划问题:超大规模集成电路设计也可以归结为具有线性和 二次约束的二次模型.这使得二次规划问题成为一种有效的工具。 传统的二次规划问题是最简单而又最基本的非线性规划问题，其目标函 数是二次的，约束是线性的等式或不等式.由于它的可行域是凸集，所以当 目标函数是凸函数时，任何 K-T 点都是其最优点.这为研究二次规划问题 大大降低了难度。但是，研究二次规划问题不仅仅是为了解决二次规划问题 本身，同时也是为了更好的求解其它非线性规划问题。因为一般函数在极小 点附近常可以用二次函数很好地进行近似，所以大多数的单层最优化问题都 是从二次函数模型导出的。这种转化方法在处理实际问题时是非常有效的. 而且，二次规划是特殊的非线性规划，因此求解非线性规划问题的方法均可 用于二次规划问题的求解:同时，二次规划问题自身的特殊性又使得它可以 用一些更有效的方法来求解。 针对二次规划问题较早的实用算法有 Lagrange 法、积极集法和 Lemeke 法等。但是， Lagrange 方法只能解决等式约束二次规划问题，而且未