Resumen

Para reflejar datos inciertos en problemas prácticos, las versiones estocásticas del programa matemático con restricciones de complementariedad (MPCC) han atraído mucha atención en la literatura reciente. Nuestra preocupación es el análisis detallado de las propiedades de convergencia de un método de aproximación promedio de muestra regularizada (SAA) para resolver un programa matemático estocástico con restricciones de complementariedad (SMPCC). El análisis de este método de regularización se lleva a cabo en tres pasos: Primero, se establece la convergencia casi segura de las soluciones óptimas del problema SAA regularizado al del problema real mediante la noción de epiconvergencia en análisis variacional. Segundo, bajo MPCC-MFCQ, que es más débil que MPCC-LICQ, mostramos que cualquier punto de acumulación de los puntos de Karush-Kuhn-Tucker del problema SAA regularizado es casi seguro un tipo de punto estacionario de SMPCC a medida que el tamaño de la muestra tiende a infinito. Finalmente, se

• Materias:Modelos matemáticos Conjuntos difusos Ecuaciones integrales Fusión de características Algoritmo de optimización
• Subjects:Mathematical models Fuzzy sets Integral equations Feature fusion Optimization algorithm
• Palabras claves:Programa matemático con restricciones de complementariedad; Estocástico; Regularización; Aproximación del promedio de muestras; Propiedades de convergencia; Epiconvergencia
• Keywords:Mathematical program with complementarity constraints; Stochastic; Regularization; Sample average approximation; Convergence properties; Epiconvergence