凸优化简介2

全局优化的复杂度边界

1. N维盒子约束问题

在没有泛函约束的有约束最小化问题$mi{n}_{x\in {\mathbb{B}}_n}f(x)$中，该问题的可行集是${\mathbb{B}}_n$，是一个在$n$维实数集合${\mathbb{R}}^n$上的$n$维盒子。 B n = { x ∈ R n ∣ 0 ≤ x ( i ) ≤ 1 , i = 1 … n } . \mathbb{B}_n=\{x\in \mathbb{R}^n|0 \leq x^{(i)}\leq 1, i=1 \dots n\}. Bn​={ x∈Rn∣0≤x(i)≤1,i=1…n}.


使用$l_{\infty }$范数来测量${\mathbb{R}}^n$中的距离：$||x|{|}_{\infty }=ma{x}_{1\le i\le n}|x^{(i)}|$. 假设对于这个范数，目标函数$f(x)$在${\mathbb{B}}_n$上是Lipschitz连续的：$|f(x)-f(y)|\le L||x-y|{|}_{\infty },\forall x,y\in {\mathbb{B}}_n$，其中$L$是某个Lipschitz常量。

2. 均匀网格法(Uniform Grid Method)求最优值

该方法在可行集$x$上构造$(p+1{)}^n$个点：$x_{(}{i}_1,\dots ,i_n)=(\frac{i_1}{p},\frac{i_2}{p},\dots ,\underset{p}{}$