2025年3月25日学习记录

连续凸逼近（SCA）

是一种将非凸问题转化成凸优化问题的手段。

首先了解下什么是凸函数。如下面的图

也就是定义域中任意两点连线组成的线段都在这两点的函数曲线（面）上方。

因此有凹函数的定义：如果函数 f 是凸函数，那么函数 −f 是凹函数。

解释：

相应的链接：Convex Optimization——凸函数 - 知乎

对于最小化和最大化问题的SCA方法：

主要的是三点：

1.与原函数在近似点处函数值相同；

2.构造替代函数的时候，优化问题是最小化的时候，替代函数是原函数的上界；优化问题是最大化某问题的时候，替代函数是原函数的下界

3.在近似点处的梯度一致

因此在构造替代函数的时候，要注意构造的替代函数是凸的。可以用泰勒展开到二阶，保证二阶导数＞0；

MM方法和SCA方法类似，但是要求近似函数在近似点在原函数上面（是他的上界）另外三点都相同。