项目名称: 不确定性互补问题及其鲁棒解的若干研究

项目编号: No.11201074

项目类型: 青年科学基金项目

立项/批准年度: 2013

项目学科: 数理科学和化学

项目作者: 唐嘉

作者单位: 福建师范大学

项目金额: 22万元

中文摘要: 不确定性互补问题是数学规划中一个新的分支,它与互补理论、鲁棒优化技术以及随机规划等数学分支紧密相联,在工程和经济方面有着广泛应用。目前国内外研究的互补问题均基于确定性的数据,而对数据的不确定性影响有免疫力的稳健算法尚不多见。本项目拟以鲁棒优化为工具,探讨当输入数据不精确或不确定(属于某一不确定集)的互补问题的算法及理论分析。基于新的鲁棒优化模型,讨论不确定性互补问题的可行性、鲁棒解的存在性、唯一性。在此基础上,将求解经典互补问题的有效算法进行推广,充分利用模型和算法的各自优势,使设计的算法对大规模的不确定性互补问题保持高效性和稳健性,以求其解对于"集合"内的任意不确定数据都满足"硬性"约束条件,并且确保最坏情况下的目标函数值达到最优。对这一问题的研究既有理论上的深刻性又有应用前景的广泛性,同时将充实鲁棒优化和互补问题的理论与方法,促进相关学科的发展。

中文关键词: 不确定性互补问题;变分不等式;非线性极小化问题;迭代算法;收敛性

英文摘要: Different from general and classical complementarity problems, uncertain complementarity problems are new branch in mathematical programming which have close correlations with complementarity theory, robust optimization technology, stochastic programming problems and other mathematics branches and have widespread applications in the engineering and economical domains. Till now, the researches on complementary problems are usually based as deterministic data, so steady algorithm which has immunity to the effect of uncertain data still rare to see. This project mainly study theory and algorithm on uncertain complementarity problems for which the data is not specified exactly or uncertain, and it is only known to belong to a given uncertain set. By means of new robust optimization models, we will explore the feasibility of uncertain complementarity problems , the existence and uniqueness of its robust solutions.Furthermore, taking good advantages of the new models and effective algorithm for classical complementarity problems, we will pay much attention to make the extended corresponding algorithm keep high efficient and stable for large-scale uncertain complementarity problems so that the robust solutions will satisfy all hard constrains for each uncertain data in the set and the optimal value of the objective

英文关键词: uncertain complementarity problems;variational inequalities;nonlinear minimization problems;iterative methods;convergnece

成为VIP会员查看完整内容
0

相关内容

【新书稿】数据科学的谱方法:统计的视角,168页pdf
专知会员服务
58+阅读 · 2021年10月28日
专知会员服务
24+阅读 · 2021年10月14日
逆优化: 理论与应用
专知会员服务
37+阅读 · 2021年9月13日
专知会员服务
90+阅读 · 2021年7月9日
专知会员服务
45+阅读 · 2021年5月24日
专知会员服务
88+阅读 · 2020年8月2日
专知会员服务
43+阅读 · 2020年7月29日
【ICML2020】基于模型的强化学习方法教程,279页ppt
专知会员服务
128+阅读 · 2020年7月20日
多智能体深度强化学习的若干关键科学问题
专知会员服务
190+阅读 · 2020年5月24日
深度学习中的“不确定性基线”
TensorFlow
5+阅读 · 2021年12月7日
正则化方法小结
极市平台
2+阅读 · 2021年11月24日
基于规则的建模方法的可解释性及其发展
专知
5+阅读 · 2021年6月23日
约束进化算法及其应用研究综述
专知
0+阅读 · 2021年4月12日
基于数据的分布式鲁棒优化算法及其应用【附PPT与视频资料】
人工智能前沿讲习班
26+阅读 · 2018年12月13日
目标跟踪算法分类
算法与数据结构
20+阅读 · 2018年9月28日
国家自然科学基金
0+阅读 · 2014年12月31日
国家自然科学基金
0+阅读 · 2014年12月31日
国家自然科学基金
0+阅读 · 2014年12月31日
国家自然科学基金
2+阅读 · 2014年12月31日
国家自然科学基金
0+阅读 · 2013年12月31日
国家自然科学基金
0+阅读 · 2013年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
1+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
1+阅读 · 2011年12月31日
Arxiv
0+阅读 · 2022年4月15日
Arxiv
1+阅读 · 2022年4月15日
Arxiv
13+阅读 · 2020年4月12日
Self-Attention Graph Pooling
Arxiv
13+阅读 · 2019年6月13日
Arxiv
12+阅读 · 2018年1月28日
小贴士
相关VIP内容
【新书稿】数据科学的谱方法:统计的视角,168页pdf
专知会员服务
58+阅读 · 2021年10月28日
专知会员服务
24+阅读 · 2021年10月14日
逆优化: 理论与应用
专知会员服务
37+阅读 · 2021年9月13日
专知会员服务
90+阅读 · 2021年7月9日
专知会员服务
45+阅读 · 2021年5月24日
专知会员服务
88+阅读 · 2020年8月2日
专知会员服务
43+阅读 · 2020年7月29日
【ICML2020】基于模型的强化学习方法教程,279页ppt
专知会员服务
128+阅读 · 2020年7月20日
多智能体深度强化学习的若干关键科学问题
专知会员服务
190+阅读 · 2020年5月24日
相关资讯
深度学习中的“不确定性基线”
TensorFlow
5+阅读 · 2021年12月7日
正则化方法小结
极市平台
2+阅读 · 2021年11月24日
基于规则的建模方法的可解释性及其发展
专知
5+阅读 · 2021年6月23日
约束进化算法及其应用研究综述
专知
0+阅读 · 2021年4月12日
基于数据的分布式鲁棒优化算法及其应用【附PPT与视频资料】
人工智能前沿讲习班
26+阅读 · 2018年12月13日
目标跟踪算法分类
算法与数据结构
20+阅读 · 2018年9月28日
相关基金
国家自然科学基金
0+阅读 · 2014年12月31日
国家自然科学基金
0+阅读 · 2014年12月31日
国家自然科学基金
0+阅读 · 2014年12月31日
国家自然科学基金
2+阅读 · 2014年12月31日
国家自然科学基金
0+阅读 · 2013年12月31日
国家自然科学基金
0+阅读 · 2013年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
1+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
1+阅读 · 2011年12月31日
相关论文
Arxiv
0+阅读 · 2022年4月15日
Arxiv
1+阅读 · 2022年4月15日
Arxiv
13+阅读 · 2020年4月12日
Self-Attention Graph Pooling
Arxiv
13+阅读 · 2019年6月13日
Arxiv
12+阅读 · 2018年1月28日
微信扫码咨询专知VIP会员