这篇博客详细介绍了凸优化中两种约束类型的问题：等式约束和非负约束。对于等式约束，当存在一个正向解满足约束时，该解最优。非负约束问题中，最优解的梯度非负，且满足互补条件。最后，讨论了线性规划作为典型的凸问题。
全部笔记的汇总贴（视频也有传送门）：中科大-凸优化
一、约束仅为等式约束
m i n f 0 ( x ) d o m f 0 = R n s . t . A x = b min f_0(x)\;\;\;dom\;f_0=\R^n\\s.t.\;\;Ax=b minf0(x)domf0=Rns.t.Ax=b
若 ∃ x > 0 , A x = b , x \exist x>0,Ax=b,x ∃x>0,Ax=b,x最优 ⇔ ∀ y , A y = b \Leftrightarrow\forall y,Ay=b ⇔∀y,Ay=b
∇ f 0 T ( x ) ( y − x ) ≥ 0 \nabla f_0^T(x)(y-x)\ge0 ∇f0T(x)(y−x)≥0
A x = b , A y = b ⇒ y = x + v , v ∈ N ( A ) （ A 的 化 零 空 间 A v = 0 ） Ax=b,Ay=b\Rightarrow y=x+v,v\in N(A)（A的化零空间\;\;Av=0） Ax=b,Ay=b⇒y=x+v,v∈N(A)（A的化零空间Av=0）
代入： ∇ f 0 T ( x ) v ≥ 0 , ∀ v ∈ N ( A ) 1. v
最低0.47元/天 解锁文章
扫一扫
825
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
