凸优化（中科大

VIP文章 linyuxi_loretta

已于 2022-09-27 12:09:50 修改

阅读量2.5k

点赞数 2

分类专栏：凸优化文章标签：学习

于 2022-09-27 02:32:23 首次发布

版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。

本文链接：https://blog.csdn.net/linyuxi_loretta/article/details/127051318

版权

凸优化是优化中比较容易的一种

优化optimization，即数学规划。优化=规划

优化：（包含三个要素）可行解的集合、定义最优、找出

任何一个优化问题，总可以写成这样的形式：

minimize 函数 $f_{0}(x)$ ，最优的准则

约束：使得 $f_{i}(x)\leq b_{i}$ ， i=1,2,...,M 总共有M个约束。叫做：不等式的约束

$x=[x_{1},...,x_{n}]^{T}$ 优化变量

$f_{0}:R^{n} \to R$ ， $f_{0}(x)$ 目标函数、是从n维空间到1维空间的映射

$f_{i}:R^{n} \to R$

找到最优解 $x^{*}$ ，

feasible set可行解集合

目标：minimize objective function——fo（x），

约束为：｜x｜<=a，

可行域feasible set——fi（x）在约束范围内，

最优解x*使得f（x*）<=f（x）

应用：

例子1：数据拟合问题：使得测量误差最小

$y= a x^2+bx+c$

最低0.47元/天解锁文章

linyuxi_loretta

关注

2
点赞
踩
20

收藏

觉得还不错? 一键收藏
0
评论
凸优化（中科大

凸优化是优化中比较容易的一种优化optimization，即数学规划。优化=规划优化：（包含三个要素）可行解的集合、定义最优、找出任何一个优化问题，总可以写成这样的形式：minimize 函数，最优的准则约束：使得， i=1,2,...,M 总共有M个约束。叫做：不等式的约束优化变量，目标函数、是从n维空间到1维空间的映射找到最优解，feasible set可行解集合目标：minimize objective function——fo（x），
复制链接

扫一扫

专栏目录

评论

被折叠的条评论为什么被折叠?

到【灌水乐园】发言

查看更多评论

添加红包

成就一亿技术人!

hope_wisdom

发出的红包

实付元

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。