凸优化是数学最优化的一个分支，关注在凸集上求解凸函数的最小化问题。文章介绍了凸优化的基本概念，包括凸函数（其图形特征是下凸）和凸集（连接任意两点的线段都在集合内）。最小二乘作为凸优化的应用实例，是无约束优化问题，常用于减少测量误差。文章还探讨了全局最优化与局部最优化的区别，全局最优化确保找到问题的最佳解决方案，而不仅仅是局部最优解。
基本概念
什么是凸优化
【百度百科定义】凸优化，或叫做凸最优化，凸最小化，是数学最优化的一个子领域，研究定义于凸集中的凸函数最小化的问题。
凸优化这个概念实际在研究中经常会遇到。包括在机器学习、控制领域等等。最小二乘其实就是一种通过凸优化来实现的问题。
什么是凸函数
凸表明的是下凸，也就是上凹，直观地讲，函数形为
即为凸函数。
什么是凸集
【百度百科】令S是实数上的线性空间，或者更一般地，是在某个有序域上，这包括欧几里德空间。如果对于C中的所有x和y，并且在区间（0,1）中的所有t，点 也属于C，则S中的集合C被称为凸。换句话说，连接x和y的线段上的每个点都在C中。这意味着实际或复杂拓扑线性空间中的凸集是道路连通的。
更易理解的说法：
设S为n维欧式空间 R n \mathbb{R} ^{n} R
最低0.47元/天 解锁文章
扫一扫
1万+
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
