中科大-凸优化 笔记（lec30）-Lagrange对偶（二）

最新推荐文章于 2023-04-20 18:04:02 发布
最新推荐文章于 2023-04-20 18:04:02 发布
阅读量1.2k 收藏 4
点赞数 2
分类专栏： # 中科大-最（凸）优化学习笔记
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_41485273/article/details/113822274
版权
本文详细介绍了函数的共轭概念，并通过多个实例展示了如何求解Lagrange对偶问题，探讨了对偶问题的性质，包括其凸性以及对偶的对偶不一定等于自身的特性。同时，解释了拉格朗日函数和对偶函数的构建过程。
摘要由CSDN通过智能技术生成

全部笔记的汇总贴（视频也有传送门）：中科大-凸优化

一、函数的共轭

f ∗ f^* f∗是 f : R n → R f:\R^n\rightarrow\R f:Rn→R的共轭，若 f ∗ ( y ) = sup ⁡ x ∈ d o m    f ( y T x − f ( x ) ) f^*(y)=\sup_{x\in dom\;f}(y^Tx-f(x)) f∗(y)=supx∈domf​(yTx−f(x))

例：

min ⁡    f 0 ( x ) s . t .    x = 0 ⇒ L ( x , v ) = f ( x ) + V T x , d o m    L = d o m    f ∗ R n ⇒ g ( v ) = inf ⁡ x ∈ d o m    f ( f ( x ) + V T x ) = − sup ⁡ x ∈ d o m    f ( − V T x − f ( x ) ) = − f ∗ ( − v ) \min\;f_0(x)\\s.t.\;x=0\\\Rightarrow L(x,v)=f(x)+V^Tx,dom\;L=dom\;f*\R^n\\\Rightarrow g(v)=\inf_{x\in dom\;f}(f(x)+V^Tx)\\=-\sup_{x\in dom\;f}(-V^Tx-f(x))\\=-f^*(-v) minf0​(x)s.t.x=0⇒L(x,v)=f(x)+VTx,domL=domf∗Rn⇒g(v)=x∈domfinf​(f(x)+VTx

最低0.47元/天 解锁文章
及时行樂_
关注
专栏目录
中科大-凸优化 笔记（lec29）-Lagrange对偶（一）
scu-liu的博客
02-16 3484
全部笔记的汇总贴（视频也有传送门）：中科大-凸优化 min⁡f0(x)s.t.  fi(x)≤0,i=1,⋯ ,mhi(x)=0,i=1,⋯ ,Px∈Rn,D=∩i=0mdom  fi∩∩i=1Pdom  hiP∗  optimal  calue\min f_0(x)\\s.t.\;f_i(x)\le0,i=1,\cdots,m\\h_i(x)=0,i=1,\cdots,P\\x\in\R^n,D=\cap_{i=0}^m dom\;f_i\cap\cap_{i=1}^P dom\;h_i\\P^*\;op
凸优化之共轭函数（3）
CRN2018的博客
10-05 645
定理3.5（强凸函数的共轭函数） 假设fff是一个闭的μ\muμ-强凸函数，则： （1）f∗f^*f∗对于所有的yyy都有定义，即dom f∗=Rndom\,f^*=\mathbb{R}^ndomf∗=Rn （2）f∗f^*f∗是处处可微的，且有梯度 ∇f∗(y)=argmaxx (yTx−f(x)) \nabla f^*(y)=\underset{x}{argmax} \:(y^Tx-f(x)) ∇f∗(y)=xargmax​(yTx−f(x))（3）∇f∗\nabla f^*∇f∗是Lipschitz连
《凸优化理论》-----共轭函数
AnneQiQi的博客
06-07 3955
博主微信公众号：“Python技术博文” 《凸优化理论》C1S6：共轭函数 二、凸函数：3.共轭函数、拟凸函数以及对数凸函数 Conjugate function 关于拉格朗日乘子法与KKT条件 ...
做题时对知识点的查漏补缺
weixin_42067304的博客
09-08 986
1.IP地址分类？（A，B，C，D类） 2.c++异常处理？ 3.对比路由器，交换机可以提供更大的带宽和数据转发功能 4.类的常成员函数：函数返回类型 函数名（参数列表）：const 5。 register int i = 0; printf("i = %d, &i = %p\n", i, &i); “寄存器变量通常储存在计算机内存中。如果幸运的话，寄存器变量储存在 CPU 的寄存器中，或者概括地说，储存在最快的可用内存中。与普通变量相比，访问和处理这些变量的速度更快。...
如何理解凸优化中的共轭函数的定义？
飞奔的菜猪的博客
08-05 2555
共轭函数的意义主要就是：一个函数即便不是凸函数，但通过共轭法获得一个凸函数，很方便求解全局最优解的问题。 另外，共轭函数亦称对偶函数、极化函数，函数的某种对偶变换。过多的东西我就不再赘述了。 此处我是想着重讲一讲为什么共轭函数是可以“保凸”的，首先我们先给出共轭函数的表达式： 其中注意变量z的定义域： 这一步的限制非常关键，共轭函数g(z)反映的是线性函数与f(x)之间的最大差值，这个差值不是距离上的绝对值，可大于0也可小于0. 我们对变量z的取值加了限制，也就使得下图的凹函数对应的共轭函数取值
中科大-凸优化 笔记（lec31）-Lagrange对偶（三）
scu-liu的博客
02-22 1098
全部笔记的汇总贴（视频也有传送门）：中科大-凸优化 一、对任意优化问题 (P)min⁡f0(x)s.t.  fi(x)≤0,i=1,⋯ ,m      (P∗)hi(x)=0,i=1,⋯ ,PL(x,λ,v)=f0(x)+∑i=1mλifi(x)+∑i=1Pvihi(x)g(λ,v)=inf⁡x∈DL(x,λ,v)(P)\min f_0(x)\\s.t.\;f_i(x)\le0,i=1,\cdots,m\;\;\;(P^*)\\h_i(x)=0,i=1,\cdots,P\\L(x,\lambda,v)=f_
中科大-凸优化 笔记（lec1）-综述、简介优化问题
scu-liu的博客
02-01 4316
全部笔记的汇总贴（视频也有传送门）：中科大-凸优化 一、优化问题的一般形式 优化/数学规划（optimization/Mathematical Programming） 从一个可行解的集合中，寻找最优的元素。 从数学上看，任意一个优化问题都可以写成这样的形式， min⁡xf0(x)subject  to  fi(x)≤bi,i=1,⋯ ,mx=[x1,⋯ ,xn]T    优化变量（Optimization  Variable）f0:Rn→R    目标函数（Objective  Function）fi:R
中科大-凸优化 笔记（lec40）-松弛对偶
scu-liu的博客
03-01 1061
全部笔记的汇总贴（视频也有传送门）：中科大-凸优化 例：Boolen LP问题 例：Boolen LP等价问题 {min⁡cTxs.t.    Ax≤b              xi(xi−1)=0,i=1,⋯ ,n  ⇒L(x,λ,v)=cTx+λT(Ax−b)+∑i=1nvixi2−∑i=1nvixi=∑i=1nvixi2+(c+AλT−v)Tx−λTb  ⇒g(λ,v)=inf⁡xL(x,λ,v)={−λTb−14∑i=1n(ci+aiTλ−vi)2vi,v≥0−∞,               
共轭函数
热门推荐
机器学习的小学生
11-15 1万+
共轭函数共轭函数的定义：设函数f:Rn→Rf:R^n \rightarrow R，定义函数f∗:Rn→Rf^*:R^n \rightarrow R为： f∗(y)=supx∈domf(yTx−f(x))f^*(y)=\sup_{x \in \mathbf{dom}f}(y^Tx-f(x)) 此函数称为函数ff的共轭函数。即函数yxyx和函数f(x)f(x)之间差值的上确界。 如下图，两条虚线平
（最优化理论与方法）第二章最优化所需基础知识-第七节：保凸的运算和共轭函数
快乐江湖的博客
10-25 1368
由于任意多个凸集的交集还是凸集，所以。是凸集，根据上方图的性质容易推出。
凸优化——凸函数及凸优化
qq_30516823的博客
06-07 909
凸函数及凸优化 今天开坑凸优化了，冲鸭????！ 1.凸函数定义 SSS为Rn\R^nRn的非空集合，f是定义在S上的实函数，如果对任意X(1),X(2)∈SX^{(1)},X^{(2)}\in{S}X(1),X(2)∈S,λ∈(0,1)\lambda\in{(0,1)}λ∈(0,1),均有f(λX(1)+(1−λ)X(2))≤λf(X(1))+(1−λ)X(2)f(\lambda X^{(1)}+(1-\lambda)X^{(2)})\leq\lambda f(X^{(1)})+(1-\lambda)X^
凸优化－凸集和凸函数
11-15 5139
24 September 2015 题外话，来到CMU已经两周了，从刚开始的难以开口到现在可以沟通，从四处借东西蹭吃喝到现在学习做饭健身三不误，渐渐的开始适应了美国气息的生活。总的感觉，在这里无论是国人还是老外，自主性都很强，每天都有为之努力的目标，不知道这是不是跟due或者所谓的压力有关。这学期旁听了三门课，接下来要写的《凸优化》系列学习笔记就是其中之一，另两门是“16720－Comput
数值最优化方法：Conjugate Function（共轭函数/对偶函数）
u013250861的博客
01-02 1379
Fenchel共轭函数
机器学习笔记_数学基础_7-凸优化理论
LandscapeMi
11-20 4673
优化问题minf0(x)min f_0(x) subjecttofi(x)≤bi,i=1,⋯,msubject to f_i(x) \leq b_i, \quad i=1,\cdots,m x=(x1,⋯,xn)x=(x_1,\cdots,x_n) 称为优化变量 f0f_0称为目标函数 fif_i称为约束函数 最小二乘问题 (无约束条件；目标函数是若干平和)minf0(x)=||Ax−b|
凸优化【6 拉格朗日函数】
dinao5943的博客
09-14 509
本节主要讲：对偶性，Lagrange函数，Lagrange函数的凹性，对偶函数与函数共轭的关系，原问题的对偶函数的对偶函数不一定还是原问题。 转载于:https://www.cnblogs.com/shenhaojing/p/11520037.html...
凸优化——详解原函数的对偶函数、对偶问题和共轭函数之间的关系（我尽力了）
weixin_44382951的博客
11-21 7975
一、 原函数的对偶函数和共轭函数 对偶函数 原函数 ==> 拉格朗日函数 ==> 对偶函数（拉格朗日对偶函数） f0f_0f0​ ==>L(x,λ\lambdaλ,v) ==>D(λ\lambdaλ,v) 这里就不具体写形式了，一定要搞清楚各个函数的变量是哪些 共轭函数/函数的共轭 我一下午花了很多很多时间看勒让德变换，终于搞懂共轭函数是啥了！ B站此小姐姐的数学实在太好了 维基-勒让德变换 f∗(y)=sup(yTx−f(x))f^*(y)=sup(y^Tx-f
机器人中的数值优化（二）—— 凸函数的性质
最新发布
慕羽★的博客
04-20 1590
本系列文章主要是我在学习《数值优化》过程中的一些笔记和相关思考，主要的学习资料是深蓝学院的课程《机器人中的数值优化》和高立编著的《数值最优化方法》等，本系列文章篇数较多，不定期更新，上半部分介绍无约束优化，下半部分介绍带约束的优化，中间会穿插一些路径规划方面的应用实例
凸优化概括总结
vivian_ll的博客
07-24 5890
相关概念 仿射集（Affine set）：通过集合C中任意两个不同点的直线仍然在集合C内，则称集合C为仿射集。比如：直线、平面、超平面 类似于线性变换 n维空间的n-1维仿射集为n-1维超平面。 仿射包（Affine hull）：包含集合C的最小仿射集。比如：直线的仿射包是它自己。球不是仿射集 仿射维数：仿射包的维数。比如：三角形的仿射维数为2；线段的仿射维数为1；球的仿射维数为3。 ...
关于拉格朗日乘子法与KKT条件
liuyue2046的专栏
08-25 2254
拉格朗日乘子法无疑是最优化理论中最重要的一个方法。但是现在网上并没有很好的完整介绍整个方法的文章。我这里尝试详细介绍一下这方面的有关问题，插入自己的一些理解，希望能够对大家有帮助。本文分为两个部分：第一部分是数学上的定义以及公式上的推导；第二部分主要是一些常用方法的直观解释。初学者可以先看第二部分，但是第二部分会用到第一部分中的一些结论。请读者自行选择。 拉格朗日乘子法的数学基础 共轭
HOLLiAS-LEC PLC调用运算指令-CAL详析
因此，实际使用时应结合最新的软件文档和技术支持来确保代码的正确性和适应性。 调用运算指令是编程中的核心工具，特别是在工业自动化领域，它允许程序员通过模块化的方式组织代码，提高代码的可读性和可维护性。...
评论 2
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
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。

余额充值