本文概述了最优化问题的一般形式，包括无约束和约束最优化问题，并介绍了线性规划和非线性规划。此外，详细讲解了数学基础，如范数的定义和类型，梯度和次梯度的概念，以及矩阵的逆和微分。
本文为学习笔记，部分为文章摘录，部分为个人总结。
参考文献：袁亚湘，孙文瑜著. 最优化理论与方法[M]. 北京：科学出版社, 1997
一、最优化问题的一般形式
（一）无约束最优化问题
m i n x ∈ R n f ( x ) \mathop{min}\limits_{x\in R^n} f(x) x∈Rnminf(x)
（二）约束最优化问题
m i n f ( x ) s . t . c i ( x ) = 0 , i ∈ E c i ( x ) ≥ 0 , i ∈ I \mathop{min}f(x)\\ s.t.\quad c_i(x)=0, \quad i\in E\\ \qquad c_i(x)\geq0, \quad i\in I minf(x)s.t.ci(x)=0,i∈Eci(x)≥0,i∈I
其中 x x x是决策变量， f ( x ) f(x) f(x)为=是目标函数， c i ( x ) c_i(x) ci(x)是约束函数。当目标函数和约束函数均为线性函数时，问题成为线性规划；当目标函数和约束函数中至少有一个是变量x的非线性函数时，问题称为非线性规划。此外，根据决策变量、目标函数和要求的不同，最优化还分为整数规划、动态规划、网络规划、非光滑规划等若干分支。
二、数学基础
（一）范数
参考文献：范数、L1范数和L2范数的基本概念
范数，是具有“长度”概念的函数，它常被用来度量某个向量空间中的每个向量的长度或大小。
若 x = [ x 1 , x 2 , ⋅ ⋅ ⋅ ， x n ] T x=[x_1,x_2,···，x_n]^T x=[x1,x2,⋅⋅⋅
最低0.47元/天 解锁文章
扫一扫
1203
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
