4.4 二次优化问题
- 基本概念
- 例子
- 二次锥规划
4.4.1 基本概念
二次优化
当凸优化问题的目标函数是凸二次型并且约束函数为仿射函数时,问题为二次规划:
其中。
在二次规划问题中,我们在多面体上极小化一个图二次函数。如下所示:
二次约束二次规划
二次约束二次规划,即目标函数和不等式约束函数均为凸二次型:
其中。
这里记LP 为线性规划,QP为二次规划,QCQP为二次约束二次规划,可知。
当QCQP中的时,QCQP变为QP。
当QP中的时,QP变为LP。
4.4.2 例子
最小二乘及回归
无约束的情况下,最小二乘问题是一个二次规划。
解析解:是A 的伪逆。
增加线性约束:,也是一个二次规划问题。
如果约束为:,对约束进行整理,整理成:,也是线性约束,也是二次规划问题。
多面体间距离
多面体间的距离定义为:
为了得到两多面体间的距离,我们求解如下问题:
方差界定
我们再次考虑Chebyshev不等式的例子,其变量是由给出的未知概率分布,并且我们对其有一些先验知识。随机变量f(x)的方差由:给出,其中,这是关于p的凹二次函数。
为了得到最大可能方差,我们求解如下问题:
关于随机费用的线性规划
考虑线性规划:
其中,c是随机向量,是c的均值,是协方差,且
根据协方差公式:
一般地,在小的费用期望和小的费用方差之间有一个权衡。考虑方差的一种方法是 极小化费用的期望和方差的线性组合,即:,这个函数称为风险敏感费用。系数,称为风险回避参数,它越大,表示越在意费用方差,即越希望费用方差充分小(通过增加期望费用)。
为极小化风险敏感费用,我们可以求解如下问题:
Markowitz投资组合优化
我们考虑在一时期内持有n种资产或股票的经典的投资组合问题。我们用表示在这个时期内持有资产的数量,以美元为单位,用开始时的价格进行度量。一般地,资产的多头对应于,资产i的空头(即在期末购买资产的契约)对应于。我们用表示资产在整个时期内的相对价格变动,即其整个时期内的资产变动除以其在开始时的价格。投资总回报为(以美元给出)。优化变量为投资组合向量。
可以考虑对于投资组合的各种约束。最简单的约束是 (即没有空头)和(即总投资预算为B,B常取为1)。
我们用随机模型来描述价格变动:为随机变量,其均值和协方差已知。所以,对于投资组合,其回报是(标量)随机变量,均值为,方差为。投资组合的选择需要考虑平均回报和方差之间的权衡。
求解以下问题,即在最小可接受平均回报率的约束下极小化回报方差:
4.4.3 二阶锥规划
二阶锥规划(SOCP):
其中为优化变量,。
称这种形式的约束为二阶锥约束。因为这等同于要求仿射函数在二阶锥中。
当时,SOCP退化为QCQP。当时,SOCP退化为LP问题。
鲁棒线性规划
考虑不等式形式的线性规划问题:
其中参数含有一些不确定性或变化。
简化起见,假设只有有不确定性,其他都是确定的。
已知在给定的椭球中:,所以问题变成:
不等式约束又可以表示成:
所以上述约束变为
问题变成:
随机约束下的线性规划
设参数是独立搞死随机变量,均值为,协方差为,要求每一个约束成立的概率超过,且,即。
令,均值,方差,因此
所以
,
所以:可以写成:
问题:
变为:
参考:https://blog.csdn.net/wangchy29/article/details/86608176