![](https://img-blog.csdnimg.cn/20201014180756913.png?x-oss-process=image/resize,m_fixed,h_64,w_64)
凸优化
文章平均质量分 85
linyuxi_loretta
这个作者很懒,什么都没留下…
展开
-
鲁棒优化(方述诚6
做一个有数学意义的model、赋予两个不同的数学系统,有一个interpretion,先make assumption。feasible,且在较大的solution set上optimal(只要掉在小区域内)g(t), f(t) 形式不约束,很可能变成non convex的问题。LP assumption:certainty, 资料精确。最糟糕的情况下,损失最小 (behavior)已经做了很多步,或者 再加一个变化不大时,两个无穷多线性不等式,n+1个var.鲁棒问题就看怎么interpret。原创 2022-10-07 00:43:23 · 184 阅读 · 0 评论 -
非线性优化 基础概念(方述诚1
quadratic 二次时, 1个quadratic 目标函数,2个quadratic constraint,只要这2个quadratic constraint不是convex type,global optimization我们做不了,做的最好的用的SDP方法(半正定规划)泰勒展开,永远可以做一阶的逼近,linear approximation,一个非线性函数,不求精确解时,可以用线性函数来approximate。NLP 做optimal问题;VI、 NLCP 比NLP更难,可以做均衡的问题。原创 2022-10-07 15:05:10 · 487 阅读 · 0 评论 -
内点法(方述诚 笔记5
motivation:大型计算时不是第一个多项式时间算法,如果看到很好的方向,可以直接过去,(沿边走、方向被限制),但是看多个方向,计算量增加()()good enough 时,到边附近足够多,就跳上边界点,进化purification(identify谁是nbv 设为0)原创 2022-10-06 14:10:14 · 373 阅读 · 0 评论 -
对偶理论,敏感性分析(方述诚 笔记4
本讲内容:dual LP问题的背面,对偶变数、对偶约束、对偶理论:对偶问题和原问题如何相连, ----> KKT conditionA constraint matrix 变动 对optimal solution有什么影响 ----> 鲁棒优化之前学的又叫 revised simplex method ,区别于古早的 simplex method(图表法)、不知道现在在哪个顶点、direction、要走多少步、不是有意识的,原创 2022-10-04 20:21:24 · 584 阅读 · 0 评论 -
simplex method (方述诚3
M矩阵乘以X等于b矩阵,当然这个b矩阵是n*1的那个b矩阵,Mx=b。虽然M变成了M逆,但是和X中的对应关系不变。抓一个non basic variable进来,使他加大, 自然就有一个bfs缩小去补偿,------ pivoting。部分,一般都有元素为负,means 走太远,原来的就会变成0,basic variable就会变成nbv。越小的,除以d_q本身的大小(normalize),:沿着d_q方向,每走一个unit,实际上,从计算经验来说,任何一个都是一样好,最简单方法:找到的第一个就好。原创 2022-10-03 15:42:44 · 397 阅读 · 0 评论 -
LP的几何意义 (方述诚 笔记2
本讲内容:用几何概念,看看做LP究竟是在做什么,optimal solution会长什么样,基本的fundamental theorem of LP在说哪件事。原创 2022-10-02 01:41:59 · 596 阅读 · 0 评论 -
发展脉络、转换成标准型LP( 方述诚老师 线性规划1
线性优化、几何角度理解(直观看待)、单纯形法(发展该方法背后的理论,1947-198x年主导)、对偶问题 敏感性分析(参数扰动多大程度上影响结果)、内点算法 贡献1:解脱出原来的框架 单纯形法 从一个顶点移动到另一个顶点,不再从顶点沿着boundary走,而是从内部逼近一个问题。2. 多项式算法 解决大型问题 利用现代计算机技术、在多项式时间之内优化是做quantitive 定量分析的必要手段。原创 2022-09-28 00:34:54 · 816 阅读 · 0 评论 -
最优化方法 1(交大
优化得到的解有一定分析、刻画:一些问题,不同限制条件 得到的解不一样;优化过程中收敛的速度不同算法:梯度下降、牛顿法、内敛法、。。介绍。原创 2022-09-27 12:02:44 · 606 阅读 · 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),原创 2022-09-27 02:32:23 · 2643 阅读 · 0 评论