1) maximum vector problem
极大向量问题
2) vector extremum problem
向量极值问题
1.
Optimality condition is established for vector extremum problems with set constraint by applying the alternative theorem under generalized subconvexlike maps in ordered locally-convex Hausdorff spaces.
利用序局部凸Hausdorff空间中的广义次似凸映射下的择一定理,得出带集约束的向量极值问题的最优性条件。
2.
Some properties of these concepts are discussed, ε-Conjugate duality theorems of vector extremum problems are established.
在线性拓扑空间中引入ε-次微分和ε-共轭映射的概念,系统地讨论了它们的若干性质,建立了一般向量极值问题的ε-共轭对偶定理。
3) vector extremum problems
向量极值问题
1.
Benson proper efficient solution for vector extremum problems is the most important aspect of optimization problems,and it has drawn lots of attention.
向量极值问题的Benson真有效解,是优化问题的一个最重要的方面,吸引了许多关注的目光。
2.
Finally, using the theorem, the optimali-ty conditions for the vector extremum problems with generalized equality and inequality constraints are obtained.
并利用此定理获得了带广义等式和不等式约束的向量极值问题的最优性条件。
5) maximization problem
极大值问题
1.
Devoted to consider the constrained maximization problem: S:=sup｛∫RN｜u｜pdx;u∈H1(RN),∫RN (｜u｜2+u2)dx=1｝.
利用平移的方法解决了极大值问题S:=sup{∫RN|u|pdx;u∈H1(RN),∫RN(| u|2+u2)dx=1}的可达性,并且得到了半线性椭圆方程-△u+u=|u|p-2u,u∈H1(RN),2
6) minimax problem
极大极小问题
1.
An effective approach to deal with the Quadratic Programming (QP) problem is presented, which is to convert QP problem into a minimax problem without constraints by using dual transformation.
利用对偶变换 ,将二次规划问题转化为无约束极大极小问题 ,然后运用极大熵方法 ,将极大极小问题转化为求解一个无约束凸规划极值问题 ,从而能够同时求出原问题及其对偶问题的近似解 。
2.
Minimax problem is a sort of non-differentiable optimization problem and the entropy function method provides a efficient approach to solve such kind of problems.
极大极小问题是一类不可微优化问题,熵函数法是求解这类问题的一种有效算法。
补充资料：极值问题
极值问题
extremal problem
极值I’q题【ext班翻目脚由七n;，二eTpeMa月研a:3a皿a，a」 求函数或泛函的极值的问题，即要根据加在不同种类的(相的，微分的，积分的，等等)泛函或目标函数上的最小值或最大值条件，对参数或者函数(控制)进行选择.亦见变分学(w币atioml司cLilus)，数学规划(扣皿址泊祖ti。红prog卫mi刀ing)和最优控制(op-tin迢1 conlrol).
说明：补充资料仅用于学习参考，请勿用于其它任何用途。
参考词条