论文部分内容阅读
随着模糊环境下的优化问题在日常生活中的广泛应用，模糊优化问题已日趋显示出其重要性。在实际生活中，模糊目标函数和约束条件往往是非线性的。由于目标函数及约束条件的复杂性，可行域的不规则性，很难找到一个行之有效的方法来解决这类问题，从而模糊非线性最优化问题的研究成为人们研究的热点。本文主要研究一般情况下的模糊非线性优化问题的最优解的充分条件和必要条件。 传统数学中，在拉格朗日算子的鞍点、优化问题的最优解、非线性Kuhn-Tucker条件和拉格朗日算子的极小极大定理之间存在着等价性。本文主要研究了模糊非线性优化问题中与之平行的结果，给出了一般情况下的模糊非线性优化问题的最优解的充分条件，包括拉格朗日算子的鞍点、极小极大值条件以及与极小极大定理等价的改进的非线性Kuhn-Tucker条件，并对这些条件的充分性进行了证明。但是在模糊非线性优化问题中，与传统的非线性Kuhn-Tucker条件相平行的条件仅为必要条件，而非充分条件，本文对其不具有充分性的原因进行了分析。其根源在于L-型模糊数的减法与传统意义上的减法不同，为定义模糊函数的λ-次微分而引入的Hukuhara-差也并不一定存在，因而模糊函数的λ-次微分只具有传统数学中的次微分的一部份性质。本文将此条件加强，令该条件中的z,η*的拉格朗日算子L(z,η*)为上方有界的，则其仍为模糊非线性优化问题的最优解的充分条件。