张 悦，刘学文，谭仁新

(重庆师范大学数学学院，重庆 400047)

设S是Rm中的闭凸点锥，且intS≠∅，K是Rn中任意给定的非空紧子集，L Rn，R( )m是表示从Rn到Rm的所有线性连续算子的集合，映射F:Rn→L( Rn，Rm)，单值映射η:K×K→Rn。向量似变分不等式问题(VVLI)就是求 x∈K，使得对任意的 y∈K，有〈F(x)，η(x，y)〉∉ －S{0Rm}。弱向量似变分不等式问题(WVVLI)就是:求 x∈K，使得对任意的 y∈K，有〈F(x)，η(x，y)〉∉ －intS。

本文令η(x，y)=t(x)－t(y)，其中t:K→Rn单值映射，则(VVLI)问题变为:求x∈K，使得对任意的y∈K，有〈F(x)，t(x)－t(y)〉∉ －S{0Rm}，即(VVLI)*;求x∈K，使得对任意的y∈K，有〈F(x)，t(x)－t(y)〉∉ －intS，即(WVVLI)*问题。

当t是恒等映射，即对任意的x∈K，有t(x)=x，则(VVLI)*和(WVVLI)*就退化为一般的向量变分不等式和弱向量变分步等式，因此它们分别是向量变分不等式和弱向量变分不等式中更广的形式。

1 基本知识

假设L Rn，R( )m是从Rn到Rm的所有线性连续算子的集合。对任意A∈L Rn，R( )m，A的模为

Rn是有限维空间，那么L Rn，R( )m也是有限维Banach空间。

定义1［1］称向量值函数 F:K→L Rn，R( )m在 x0处 Frechet可微，如果存在一个线性连续算子Ψ:Rn→L Rn，R( )m，使得:

则称Ψ为F在x0处的导数，记为▽F( x0)。如果对任意的x∈K，F在x处都可微，则称F在K上Frechet可微。

定义2［2－3］设 C 是 Rn中的非空子集，令，则:

定义3［4］设C是Rn中的非空子集，向量值函数Φ:Rn→Rm。

注1 如果Φ:Rn→Rn是恒等映射，即Φ(x)=x，∀x∈Rn，则C在处的Φ－相依锥就是C在处的相依锥，可见Φ－相依锥可看成是相依锥的推广。同理，Φ－邻接锥可以看成是邻接锥的推广。

命题1［4］设C是Rn的非空子集，向量值函数Φ:Rn→Rm在∈C处连续可微，如果，则

命题2［4］设C是Rn的非空紧子集，向量值函数Φ:Rn→Rm连续。令

定义4［2］称graphG为集值映射G:Rn→2Rm的图，如果

定义5［2］设，集值映射定义如下:

注2 由定义5可知:对任意的，当且仅当存在序列 { hn}⊂R+{0}:hn→0，{ ( xn，yn)}⊂Rn×Rm:(xn，yn)→(x，y)使得对任意的

引理1［5］设序列{αn}⊂R+:αn→0，{βn}⊂R+{0}:βn→0，则分别存在{αn}、{ βn}的子列 { αni}、使得

定义6［5］设S⊂Rm是闭凸点锥，A⊂Rm，记MaxSA和MaxintSA分别为A的极大点和弱极大点的集合，其中

1)对任意的a∈MaxSA，当且仅当a∈A，且不存在a*∈A，使得a*－a∈S{0Rm} 。

2)对任意的a∈MaxintSA，当且仅当a∈A，且不存在a*∈A，使得 a*－a∈intS。

定义7［6］称S的子集B是S的基，如果0Rm∉B，且对任意的d∈S，d≠0Rm可唯一表示成d=∂b，其中∂＞0，b∈B。

引理2［7］设A是Rm中的非空紧子集，S是Rm中的闭凸点锥，且intS≠∅，则

2 集值映射G(x)的可微性

设K是Rn中的紧子集，F:Rn→L Rn，R( )m连续Frechet可微，t:K→Rn连续可微，设集值映射

下面将讨论G(x)的可微性。

定理1设，且，则对任意的，有定义

证明假设，由定义5 知对任意的，存在序列 { hn}⊂R+{0}:hn→0，，{ ( xn，yn)}⊂Rn×Rm:(xn，yn)→(x，y)，使得对任意的 n，有

又由F连续Frechet可微，则可得F的Taylor展式为

又由式(3)可得

由式(4)可得

由式(5)得

情况1假设存在子列使得，根据假设条件知:，与式(7)矛盾。

情况2 假设存在M＞0，使得对任意的n有

因为hn→0，而t连续，故由式(8)可知只有

由于Rn是有限维空间，故可设，有定义知z∈Tt(K，¯x)，又根据式(6)和(9)可得

即

取序列 { xn}⊂Rn，{ yn}⊂Rm，使得 xn→x，令

则yn→y且

3 (VVLI)*与(WVVLI)*间隙函数的可微性与灵敏性

定义8 设S是Rm中的闭凸点锥，且intS≠∅，集值映射N:Rn→2Rm是向量似变分不等式(VVLI)*的间隙函数，如果

定义9 设S是Rm中的闭凸点锥，且intS≠∅。集值映射W:Rn→2Rm是向量似变分不等式(WVVLI)*的间隙函数，如果

命题3 设S是Rm中的闭凸点锥，且intS≠∅，

1)集值映射N:Rn→2Rm，N(x):=MaxS[F(x)，t(x)－t(K)]，x∈K，则N(x)是(VVLI)*的间隙函数;

2)设集值映射 W:Rn→2Rm，W(x):=MaxintS[F(x)，t(x)－t(K)]，x∈K，则 W(x)是(WVVLI)*的间隙函数。

证明

对于2)的证明与1)类似，只需将S和MaxS分别换成是intS和MaxintS即可。

定理2设，且，则对任意的，有

证明假设，显然有如果，则根据极大元的定义，存在，使得

F连续Frechet可微，则可得F的Taylor展式

由式(12)、(13)，有

令

由式(11)、(14)有

定理3设，且

证明因为N(x)⊆W(x)，故由定理2可知结论成立。

引理3 设，且，则对任意的，有

其中(G－S)(x)=G(x)－S。

证明显然

如果d≠0Rm，则与矛盾。故d=0Rm，即dn→0Rm。对 d{ }n分2种情况讨论。

情况1 存在 n0，使得当 n≥n0时，dn=0Rm，则

情况2 存在 { d }的子列 { d }，不妨仍记为 { d }，满足 d≠0，∀n，则有界，否则

nninnRm无界。不妨设，于是S有一个紧基，再由文献［8］中的引理3.1有

反之，由命题1［15］可知

定理4 设，如果，则对任意的，有

证明由引理3得，所以

4 (VVLI)*与(WVVLI)*的最优性条件

定理5 假设下面条件成立:

证明因为N(x)⊆G(x)，所以，又由条件3)可得{0Rm}。K是紧集，所以t(K)是紧集，对任意固定的x∈K，所以G(x)也是紧集。因此由引理2有G(x)－S=N(x)－S。

由定理4有

引理4［6］设S有一个基是一个非空闭凸锥，且，则也有一个基。

定理6假设下面的条件:

成立，则∀x∈Dom(DN(^x，^y));，

证明由N(x)⊆W(x)和定理4，只需证明

K是紧集，对任意固定的x∈K，有t(K)是紧集，所以G(x)也是紧集。由引理2有，再由定理 3 有

推论1 假设下面的条件:

证明由定理2和定理5直接可得结论成立。

定理7设，如果是(WVVLI)*的解，则

证明设是(WVVLI)*的解，则对任意的

定理8 假设下面的条件:

证明是(WVVLI)*的解，0Rm∈MaxSG(x)，由定理7知

再由推论1知结论成立。

定理9 假设下面的条件:

2)存在闭凸锥 ˜S，满足 ˜SR{ }m⊂intS;

证明由于是(VVLI)*的解，0Rm∈MaxSG(x)，根据定理7可得

再由定理6可知结论成立。

［1］游兆勇，龚怀玉，徐宗本.非线性分析［M］西安:西安交通大学出版社，1991.

［2］Abuin J P，Frankowska H.Set-Valued Analysis［M］.Boston:Birhauser，1990.

［3］Kalashnikov V，Jadamba B，Khan A A.First and second-order optimization conditions in set optimization.In:Dempe，S.Kalashnikov，V.(eds.)Optimization with Multivalued appings［M］.Berlin:Springer，2006:265 －276.

［4］Meng K W，Li S J.Differential and sensitivity properties of gap functions for Minty vector variational inequalities［J］.Math A-nal Appl，2008，337:86 －398.

［5］Li S J，Yan H，Chen G Y.Differential and sensitivity properties of gap functions for vector variational inequalities［J］.Math Methods Oper Res，2003，57:377 －391.

［6］Tanino T.Sensitivity analysis in multiobjective optimization［J］.Optim Theory Appl，1988，56:479 －499.

［7］Li S J，Chen G Y，Lee G M.Minimax theorems for set-valued mappings［J］.Optim Theory Appl，2000，106:183 －200.

［8］Shi D S.Contingent derivative of the perturvation map in multiobjective optimization［J］.Optim Theorey Appl，1991，70:385 －396.