凸优化第八章几何问题 8.4 极值体积椭圆

8.4 极值体积椭圆

  1. Lowner-John椭球
  2. 最大体积内接椭球
  3. 椭球逼近的效率

Lowner-John椭球

包含集合C的最小体积椭球被成为集合C的Lowner-John椭球,记为\varepsilon _{lj},为方便描述\varepsilon _{lj}的特征,将一般的椭球参数化为\varepsilon =\left \{ v|\begin{Vmatrix} Av+b\end{Vmatrix}_2\leq 1 \right \}

即Euclid球在仿射映射下的原象。可以不是一般性地假设A\in S_{++}^n,此时\varepsilon的体积正比于det(A^{-1})。计算包含C的最小体积椭球的问题可以表述为:

minimize \, \, log \, det(A^{-1})\\ subject \, \, to \, \, sup_{v\in C}\begin{Vmatrix}Av+b \end{Vmatrix}_2\leq 1

其中A\in S^n,b \in R^n,且存在一个隐含约束A\succ 0。目标函数和约束函数都是凸函数,问题是凸问题。

覆盖有限集合的最小体积椭球

考虑改了有限集合C = \left \{ x_1,\cdots , x_m \right \}\in R^n的最小体积椭球问题。一个椭球覆盖C当且仅当覆盖起凸包,因此寻找覆盖C的最小体积椭球,相当于寻找多面体conv\left \{ x_1\cdots ,x_m \right \}的最小体积椭球。于是此问题可以表述为:

minimize \, \, log \, det(A^{-1})\\ subject \, \, to \, \, \begin{Vmatrix}Ax_i+b \end{Vmatrix}_2\leq 1,i=1,2\cdots,m

其中A\in S^n,b \in R^n,且存在一个隐含约束A\succ 0

最大体积内接椭球

考虑寻找C中具有最大体积的椭球问题,假设C有界且非空。将椭球参数化为单位球在仿射变换下的象:

\varepsilon =\left \{ Bu+d |\begin{Vmatrix}u \end{Vmatrix}_2\leq 1\right \}

再一次假设B\in S_{++}^n,于是体积正比于det(B),于是问题可以表述为:

maximize \, \, log \, det(B)\\ subject \, \, to \, \, sup_{\begin{Vmatrix}u \end{Vmatrix}_2\leq 1}I_c(Bu+d)\leq 0

其中if \, \, Bu+d \in C,I_c(Bu+d)=0,else \, \, I_c(Bu+d)=\infty,于是约束函数可以理解为\varepsilon \subseteq C

多面体中的最大体积椭球

考虑C是由线性不等式C=\left \{ x|a_i^Tx\leq b_i,i=1\cdots m \right \}是哟面熟的多面体。于是

sup_{\begin{Vmatrix}u \end{Vmatrix}_2\leq 1}I_c(Bu+d)\leq 0 \\ \Leftrightarrow sup_{\begin{Vmatrix}u \end{Vmatrix}_2\leq 1}a_i^T(Bu+d)\leq b_i,i=1,\cdots m \\\Leftrightarrow \begin{Vmatrix}Ba_i \end{Vmatrix}_2+a_i^Td\leq b_i .i =1,\cdots m

于是问题可以表述为

minimize \, \, log \, det(B^{-1})\\ subject \, \, to \, \, \begin{Vmatrix}Ba_i \end{Vmatrix}_2+a_i^Td\leq b_i .i =1,\cdots m

椭球逼近的效率

Lowner-John椭球逼近的效率

\varepsilon _{lj}是有界且内部非空的凸集C \subseteq R^n的Lowner-John椭球,x_0是其中心,如果我们讲Lowner-John椭球向起中心收缩比例n,可以得到一个位于C中的椭球:

x_0+(1/n)(\varepsilon _{lj}-x_0)\subseteq C\subseteq \varepsilon _{lj}

如上图,外面的椭圆是集合C的Lowner-John椭球的边界,内部的椭球是按比例n=2向中心缩小得到的椭球的边界。可以保证该椭球在集合C内部。

最大体积内接球逼近的效率

如果C\in R^n是凸、有界且内部非空的,那么将最大体积内接椭球对其中心进行扩展n倍将覆盖集合C,如果C关于一点是对称的,那么倍数n可以收紧为\sqrt{n}

 

如上图,内部的椭球是最大体积内接椭球,外部的椭圆显示了将内接椭球对其中心扩大n=2倍所得的边界。

 

来源:https://blog.csdn.net/wangchy29/article/details/87872617

  • 2
    点赞
  • 4
    收藏
    觉得还不错? 一键收藏
  • 3
    评论
无优化目标方向图综合是一种常用的天线综合方法,其目标是通过合成几个方向图来实现一组特定的性能要求。在这种方法中,方向图是通过合成多个波束来实现的,因此需要使用凸优化算法来解决问题。MATLAB是一种常用的数学软件,可以用于实现基于凸优化算法的无优化目标方向图综合。 在MATLAB中,可以使用Convex Optimization Toolbox来实现无优化目标方向图综合。这个工具箱提供了一系列的凸优化算法和工具,可以帮助用户快速解决各种凸优化问题。以下是实现无优化目标方向图综合的一般步骤: 1. 定义问题:首先需要定义问题的数学形式,包括目标函数和约束条件。在无优化目标方向图综合中,目标函数通常是最小化波束合成误差,约束条件包括天线阵列的几何约束和波束宽度等性能要求。 2. 选择凸优化算法:根据问题的特点和规模,选择合适的凸优化算法。在MATLAB中,可以使用cvx、YALMIP等工具箱进行凸优化求解。 3. 编写MATLAB代码:根据问题的数学形式和选择的凸优化算法,编写MATLAB代码进行求解。在编写代码时,需要注意算法的收敛性和效率等问题。 4. 验证结果:对求解结果进行验证,包括检查是否满足性能要求、比较不同算法的求解效率和准确性等。 综上所述,MATLAB提供了强大的凸优化求解工具和丰富的数学函数库,可以帮助用户实现基于凸优化算法的无优化目标方向图综合。

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论 3
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值