非光滑联合不变凸多目标优化的最优性与对偶

来源 :长春工业大学 | 被引量 : 0次 | 上传用户:taizi0204
下载到本地 , 更方便阅读
声明 : 本文档内容版权归属内容提供方 , 如果您对本文有版权争议 , 可与客服联系进行内容授权或下架
论文部分内容阅读
多目标优化问题是优化领域中重要的研究分支,有着鲜明的实际背景和广泛的应用领域,诸如:社会经济、交通管理、工程设计、军事国防、管理工程与人工智能等众多领域。其方法业已成为上述领域的重要决策工具。近几十年来,多目标优化的理论与方法研究成果卓著,在理论上,众多学者关注多目标优化问题最优性条件与对偶理论,以及若干广义凸性的研究。凸性是数学中的一个基本概念,它在大量的数学问题中起着非常重要的作用,凸优化具有非常好的特性,1.局部最小就是全局最小,2.求解复杂的凸优化问题可以转化为求解较简单的对偶问题等等,但是凸性毕竟有一定的局限性,大量的实际问题并不满足凸性要求,因此适当的放宽条件,推广凸函数的概念成为研究热点,得到了众多的广义凸函数类。广义凸函数是凸函数的弱化及推广,当目标函数或约束函数具备某些广义凸性,即拟凸、伪凸,不变凸等条件时,也能获得多目标优划的有效解或弱有效解,相应地也可得到弱对偶和强对偶的一些结果。本文的主要工作:1.讨论了一类复合函数的广义凸性,证明了复合函数在一定条件下的伪凸性、严格伪凸性、拟凸性、严格拟凸性及强拟凸性。2.给出了目标函数和约束函数在(F,α,ρ,θ)-d-v-univex条件下的弱有效解的充分条件。3.针对带有(F,α,ρ,θ)-d-v-univex广义凸性的非光滑多目标优化的Mond-weir对偶,得到了弱对偶定理和强对偶定理。本文共分五章:第一章介绍了广义凸函数的研究背景、发展现状和本文的研究目的及主要内容;第二章为与本文相关的预备知识;第三章讨论了一类复合函数的广义凸性;第四章讨论了一类非光滑广义不变凸函数;第五章针对带有(F,α,ρ,θ)-d-v-univex广义凸性的非光滑多目标优化的Mond-weir对偶,得到了弱对偶定理和强对偶定理。
其他文献
现如今基于深度学习的目标检测技术取得了巨大进步,在无人驾驶、军事技术、智能疾病诊断、安防系统等领域得到广泛应用。目前基于Faster R-CNN系列的目标检测算法对小尺度目标特征提取较差,对基于旋转边框的目标检测性能偏低。针对小尺度目标和旋转目标的特性,本文提基于改进Faster R-CNN的旋转小目标的检测技术,取得了很好的检测结果。本课题的研究工作主要包含两个方面:第一,本文提出了一种基于改进
计算机硬件的快速迭代和软件技术水平的不断提高,促进了数据三维可视化技术的长足发展。医学体数据的三维可视化技术改变了传统医学诊断的方式,医生不必再对着二维的诊断图像,凭借主观的判断来构想病灶的相关信息,而是能够直接借助三维图像来进行医学诊断和术前规划。这为病患的诊断和治疗都带来了极大的方便。大脑控制着人类的活动,决定着人类的思维,其重要性不言而喻。对大脑的诊断和治疗都需要极其小心谨慎。若仅仅把大脑的
在海洋工程作业中,船舶与海上建筑物间的人员换乘频繁。不同于陆地换乘作业,海上的风、浪、流会严重影响传统换乘方法的安全性。本文针对具有动力定位系统的工程船舶,设计了一款具有主动波浪补偿功能的人员换乘舷梯(简称波浪补偿舷梯),它可以补偿船舶的横摇、纵摇以及升沉运动,能够在较高海况下安全快速地完成船舶与海上建筑物之间人员换乘通道的搭建,有效降低换乘作业对海洋环境的要求并延长换乘窗口时间。本文主要内容包括
文本分类是自然语言处理领域中一个经典而又重要的任务。现有的大多文本分类方法都侧重于文本表示,然后使用机器学习算法或深度学习模型进行分类,但这些方法没有考虑文本间隐含的相互关系。对此,本文构建了两种基于图卷积神经网络的文本分类模型HGCN以及HGCN-BERT,在图卷积神经网络中引入文本异构图和注意力机制,得到数据的全局信息来解决上述问题。HGCN模型通过文本异构图将数据集中的信息转化为拓扑图结构表
近些年,驾驶辅助系统及无人驾驶技术逐渐兴起,成为研究热点。其中,交警指挥手势识别作为关键技术,受到了研究者的广泛关注。尤其是交警指挥手势实时识别算法的研究,具有重要价值。视频数据不仅承载了静态图像中空间维度的信息,还承载了时间维度的特征信息。因此可以利用帧间运动特征与单帧静态图像空间、颜色、纹理等多种特征融合的方式,提取视频数据中的时空信息,用于交警指挥手势识别。本文设计了一种基于帧间运动特征与多
目前车辆导航主要采用的是卫星/惯性组合导航方案,该方案集合了两种导航系统的优点,能够提供准确可靠的导航信息。然而随着城市现代化建设的发展,密集的高楼、城市隧道等环境会干扰到全球定位系统(Global Positioning System,GPS)信号的正常接收甚至遮挡信号,导致组合导航系统难以维持正常工作,因此研究在卫星信号失锁环境下的定位技术具有重要意义和价值。本文围绕卫星信号失锁环境下的定位技
随着高铁规模的发展,现应用的异常检测方法已经不能满足牵引系统的安全需求。近几年,深度学习逐渐应用于异常检测任务,不仅能动态地进行预防,而且不需要人工参与,同时在处理海量数据时比传统机器学习呈现出更明显的优势。因此,本文将研究如何使用深度学习技术来提高牵引系统异常检测的性能。此外,由于异常数据量不足,现有检测方法无法提供异常类别信息,导致无法快速定位异常源头。本文工作主要如下:首先,本文提出了一种基
随着5G和信息技术革命的到来,许多传统企业开始借助互联网实施转型,创造出了许多新的经济形态。这部分企业主要是以面向消费端为主,对于处于产业端的企业正在利用互联网+技术与所处的环境和自身条件做结合,改变过去以利润为导向,转而以客户为中心,向客户提供满意的产品和服务为目标,构建适合企业自身的盈利模式。然而互联网企业的盈利模式呈现多样性的特点,怎样选择符合企业自身的盈利模式,在原有基础上如何进行调整和创
学位
运动想象脑机接口系统一直以来都是脑机接口领域研究的热点,它可以将神经活动转化为辅助设备的控制命令来帮助残疾患者完成一些人体指令。但目前在精确理解大脑动态和对不同的运动想象脑电信号分类的工作中依旧面临着很多困难,尤其是在多种动作的分类问题中,如何有效提取特征和提高信号分类准确率,依然是现在需要解决的问题。本文主要使用深度学习的方法对四种动作的运动想象脑电信号进行分类分析,工作内容包括以下几个方面:(