《凸优化》二读之杂言5

最新推荐文章于 2022-03-18 12:04:48 发布

_Felix_Zhang

最新推荐文章于 2022-03-18 12:04:48 发布

阅读量369

点赞数

分类专栏：凸优化文章标签：学习读书笔记

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/qq_32591057/article/details/123419029

版权

本文探讨了凸优化问题的定义、性质以及等价变换。凸优化问题要求目标函数和约束函数皆为凸函数，其可行域是凸集。文章指出凸优化问题的局部最优解即为全局最优解，并阐述了最优解的支撑超平面条件。还特别讨论了无约束和等式约束的凸优化问题，以及如何通过变换得到等价问题。

摘要由CSDN通过智能技术生成

优化问题：

$\begin{matrix} \text{minimize} & f_0(x)& \\ \text{subject to} & f_i(x)\leq0 & i=1,\dots,m\\ &h_i(x)=0 & i=1,\dots,p \end{matrix}$

目标函数 $f_0$ ，不等式约束函数 $f_i,i=1,\dots,m$ ，等式约束函数 $h_i,i=1,\dots,p$

不等式约束 $f_i(x)\leq0,i=1,\dots,m$ ，等式约束 $h_i(x)=0 ,i=1,\dots,p$

优化问题的定义域（domain）是目标函数和所有约束函数定义域的交集， $\mathcal{D}=\bigcap_{i=0}^m \mathbf{dom} f_i \cap \bigcap_{i=1}^p \mathbf{dom} h_i$ ，可行集（feasible set）是定义域中满足约束的所有点的集合， $\{x\in \mathcal{D}~|~f_i(x)\leq0,i=1,\dots,m,h_i(x)=0,i=1,\dots,p\}$

最优集（optimal set）是可行集中满足 $f(x)=p^{\ast}$ ，其中 $p^{\ast}$ 是优化问题的最优值，的所有点的集合，

最低0.47元/天解锁文章

关注

0
点赞
踩
1

收藏

觉得还不错? 一键收藏
0
评论
《凸优化》二读之杂言5

优化问题：目标函数，不等式约束函数，等式约束函数不等式约束，等式约束优化问题的定义域（domain）是目标函数和所有约束函数定义域的交集，，可行集（feasible set）是定义域中满足约束的所有点的集合，最优集（optimal set）是可行集中满足，其中是优化问题的最优值，的所有点的集合，我们有以下结论：最优集可行集定义域粗略地讲，我们称两个优化问题是等价的，如果一个问题的解从另一个问题的解找到，反之亦然。一些重要的等价变换包括：变量代换、引入松弛变量、消除等式等。
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。