论文部分内容阅读
在优化模型中，目标函数和约束集合往往含有一些参数。优化正问题指的是参数值是已知的求解优化的最优解和最优值的问题。然而在实践中还有另外一类问题，这类问题的特点是只知道参数的估计值，但是可以通过经验、观察或是实验的方法来得到问题的最优解或最优值，目的是找到参数的值，使它尽可能地靠近估计值。这类问题是优化反问题。本文主要是对一类线性规划(LP)问题的反问题进行研究。
本文的主要内容可以概括为：
1.第二章主要是给出一些非光滑分析的结果，这些结果是收敛性分析所需要的。其次我们给出了对偶理论的一些相关知识，并介绍了Larange对偶及问题的KKT系统。
2.第三章我们利用KKT条件给出了线性规划反问题的对偶问题，并进一步转化为一种具有线性互补约束的最优化问题。
3.第四章给出问题的扰动模型，并证明可以通过求解一系列的扰动模型来求解反问题。
4.第五章主要是由第二章的知识，利用半光滑牛顿法来解扰动模型，进而给出具体的算法及其局部收敛性和全局收敛性的证明。
5.第六部分根据第五章的算法做数值实验，验证了算法的有效性。