基于D.C.分解的非凸二次规划SDP近似算法-运筹学与控制论专业论文.docxVIP

2010年复旦大学硕士学位论文摘要 2010年复旦大学硕士学位论文 摘要 非凸二次规划是一类重要的最优化问题，在工程、经济管理和金融优 化等领域有广泛的应用，如生产计划问题，规模效益问题，工程设计与控制 中的问题，许多具有挑战性的NP一难非凸优化问题和组合优化问题都可以 表示为非凸二次规划问题． 本文研究凸二次约束非凸二次规划问题，并提出一类基于D．C．分解的 SDP松弛方法，该方法通过目标函数的D．C．分解和对凹函数进行线性逼近 来构建原问题的凸松弛．本文考虑了两种D．C．分解方法：第一种是利用一 组非零向量构造目标函数的D．C．分解，并对凹部分线性逼近；第二种是利 用约束系数矩阵的正交变换构造目标函数的D．C．分解，并对凹部分进行分 段线性逼近．我们证明了通过最优D．C．分解可以得到原问题的SDP松弛， 并证明所得到的SDP界比经典的SDP界更紧．本文提出的D．C．分解方法 的另一个优点是可以在得到SDP界的同时通过求解一个二阶锥规划得到原 问题的一个近似最优解．数值结果表明，本文提出的SDP松弛可以产生比 典型SDP松弛更紧的界，同时，数值结果还表明，基于SDP松弛的近似算 法可以得到比传统随机化算法更好的近似最优解． 本文分为五个部分．第一部分介绍非凸二次规划问题的研究背景与本 文的主要工作．第二部分介绍非凸二次规划问题的现有算法，主要包括分 支定界算法，半定规划松弛，以及基于半定规划松弛的随机化近似算法． 第三部分是本文的主要结果，我们提出基于D．C．分解的SDP松弛方法．第 四部分给出了基于D．C．分解的SDP松弛和近似算法的数值结果与数值分 析．第五部分是全文的总结． 关键词：非凸二次规划问题，凸二次约束，最优D．C．分解，SDP松弛， 下界，近似最优解，随机化方法． 2010年复旦大学硕士学位论文 2010年复旦大学硕士学位论文 II Abstract Nonconvex quadratically constrained quadratic programming is important class of optimization problems with numerous applications in engineering，econ— omy and management，and financial optimization areas，including producing and planning problems，economic scale problem，engineering design and control prob— lems and combined optimization problems．This class of problems include many important and challenging NP—hard optimization problems． In this thesis．we investigate scmidefinite proglamming(SDP)relaxation for quadratically constrained quadratic programming．We propose new SDP method based D．C．decompositions．The method is based decomposing the objective function into D．C．function and underestimating the terms by linear functions．Two classes of D．C．decomposition schemes are considered： D．C．decomposition based parametric vectors and D．C．decomposition based constraint coefficient matrices．We show that finding the best D．C．decompo— sition leads to SDP relaxation problem to the original problem．We prove that the SDP bound obtained from D．C．decomposition is tighter than the classical Shor’s SDP relaxation．We also show that feasible solution be obtained by solving second—order problem correspond