现代科技综述知识文库：向量值最优化问题的对偶性.pdf

现代科技综述系列—— 向向量量值值最最优优化化问问题题的的 对对偶偶性性 科技是人类区别于动物的重要文明之一， 是人类对自然规律研究 利用的学科。 本文提供对科技基本概念 “ 向量值最优化问题的对偶性” 的解读，以供大家了解。 向向量量值值最最优优化化问问题题的的 对对偶偶性性 向量值最优化也叫多目标最优化或多目标规划。 20世纪40年代后期线性规划中完美的对偶理论 50年 代初Kuhn 、Tucker 的里程碑式的论文，鼓励很多学者 把对偶性的概念推广到非线性规划以至更一般的规划 问题，60年代二次规划、凸规划对偶理论的成功创 立，将对偶理论的研究推向一个新的高潮，使之成为 数学规划的重要组成部分，70年代向量值最优化蓬勃 发展以来，其对偶理论的研究也占有极其重要的地 位，并取得了可喜的进展。 称一对向量值最优化问题(一个叫原问题，另一个叫对 偶问题)关于某种含义的最优解是对偶的，通常指它们 满足下述条件：(1)其中一个是极小化(min) 问题，另一 个是极大化(max) 问题。 (2)极小化问题的任一可行解的相应目标函数值不小于 极大化问题的任一可行解的相应目标函数值。 (3)若一个问题有某种意义下的最优解，则另一个问题 也有同一意义下的最优解，且相应的目标函数值相 等。 对偶理论的主要问题是：建立对偶模型(给定原问题， 建立合适的对偶问题)，在适当条件下证明上述(2)、(3) 成立。 早在195 1年，线性规划诞生初期，D ．Gale、 ．W ． Kuhn A ．W ．Tucker就建立了矩阵最优化(包含向量 线性最优化为特殊情况) 的对偶模型，归结为向量线性 规划即为 其中A ∈Rm ×n ，，，x ∈Rn ，u ∈Rm ，。 Gale等人证明了上述规划关于有效解的对偶性。 1974年，J ．S． ．Kornbluth提出了如下向量值线性 最优化对偶模型： 其中A ∈Rm ×n ，C ∈Rp×n ， B ∈Rmxp ，λ ∈Rp ，x ∈Rn ，u ∈Rm ，μ ∈Rp 。 他证明这一对向量值线性规划关于有效解(真有效解) 的 对偶性并用之于灵敏度分析。 1977年，W ．Rödder提出向量(矩阵)值函数的鞍点概 念，并将Gale等人的对偶理论纳入其中，还给出了 (VLPGKT)与(VLPK)、(VLDGKT)与(VLDK) 的解之间 的关系。 1978年， ．Isermann证明了如下多目标线性规划的对 偶性： 1983年，J ．W ．Nieuwenhuis利用择一定理， 给出了这一对规划的对偶性一个简单的证明。 1985年，E ． ．Ivanov R ．Nehse讨论了以上各对向 量值线性规划对偶模型之间的关系，Y ．Sawaragi等人 在锥序下建立了以上各对向量线性规划对偶模型关于 非控解的对偶理论。 向量值非线性最优化的对偶理论，近年来讨论较多、 影响较大的有Lagrange型对偶、Wolfe型对偶、Mond- Weir型对偶、共轭型对偶。 这些都是标量最优化已有对偶模型的推广，其对偶定 理的证明也基本上是借助标量最优化来完成的，但其 中的难度也不小。 设有向量值非线性最优化问题(原问题) ： 其中，f(x)、 g(x) h(x)分别是p维、m维 k维向量值函数。 1979年，T ．Tanino Y ．Sawaragi对上述原规划定义 了向量值Lagrange函数： L(x ，u ，v)=f(x)+ 《uTg(x)+vTh(x)》 其中 《uTg(x)+vTh(x)》表示各个分 量均为uTg(x)+vTh(x) 的p维向量函数。 通过引入两个集值映射：原映射 对偶映射，将标量 凸规划的Lagrange对偶理论推广到向量值最优化，这是 一项极有价值 影