凸优化(1)

introduction

概念

• optimization parameters
• 有的书又叫role parameters
• 组合优化基本上就不是凸优化问题
  • 计算机领域用的挺多
• 矩阵论和线性规划 作为prequistes需要好好看看
• 把凸函数看作是凹的 是错误的
• 最小二乘还有线性规划都是凸优化问题
  • 证明过程需要使用范式的性质进行推导

课程目标

• 识别凸优化
• 将问题转化为凸优化
• 至于求解 会有很多工具 不在本节课讨论范围
• 所以syllabus 第一部分和第二部分的会讲 但是求解算法部分需要自己看看了

解决一个问题的例子

* 可以使用最小二乘 但是会有问题

解出来p一定会有分量时小于0的
可以设定让小于0的p直接等于0 但是这样就不是最有解了

• 可以进一步使用拉格朗日乘子
  
• 也可以使用线性规划 【也是个凸优化问题哦】
  
  但是不知道能不能解出来

fundamental knowledge

functional analysis 范函分析

范数

向量范数

• 齐次、正定、三角不等式
  

矩阵范数

linear algebra 线性代数

stochastic process 随机过程

琐碎概念

零范数

 并不是标准意义的范数
 非0元素的和
 无穷范数（切比雪夫范数）

赋范向量空间

 向量空间上面可以定义范数的话 就是赋范向量空间
 该空间最好的性质就是可度量的