本文详细介绍了二次规划（Quadratic Programming, QP）的基本概念，包括无约束和二次约束的二次规划问题，并通过实例解析了如何解决带噪声的测量系统和稀疏优化问题。同时，讨论了L1正则化的最小二乘问题以及L2正则化的岭回归，这些都是在实际优化问题中常见的技术。"
126762613,15348748,Java与Scala环境配置指南,"['Java', '开发语言', 'Scala']
全部笔记的汇总贴（视频也有传送门）：中科大-凸优化
一、二次规划（Quadratic Programming）
min 1 2 X T P X + ξ T x + r （ 凸 ） P ∈ S + n s . t . Q x ≤ h A x = b （ 仿 射 ） \min \frac12X^TPX+\xi^Tx+r\;\;\;（凸）P\in S_+^n\\s.t.\;\;\;Qx\le h\;Ax=b（仿射） min21XTPX+ξTx+r（凸）P∈S+ns.t.Qx≤hAx=b（仿射）
二、二次约束二次规划（Quadratizally constrained quadratic programming QCQP）
min 1 2 X T P X + q T x + r P ∈ S + n s . t . 1 2 X T P i X + q i T x + r i ≤ 0 , P i ∈ S + n , i = 1 , ⋯ , m , A x = b \min \frac12X^TPX+q^Tx+r\;\;P\in S_+^n\\s.t.\;\;\frac12 X^TP_iX+q^T_ix+r_i\le0,P_i\in S_+^n,i=1,\cdots,m,Ax=b min21XTPX+qTx+rP∈S+ns.t.21XTPiX+
最低0.47元/天 解锁文章
扫一扫
4199
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
