本文详细介绍了线性等式约束下的凸优化问题，通过拉格朗日法和增广拉格朗日法进行求解，并阐述了KKT条件。重点讨论了增广拉格朗日函数的构建及其优化过程，探讨了参数c对解的影响。
全部笔记的汇总贴（视频也有传送门）：中科大-凸优化
一、线性等式约束的凸优化问题
α k = arg min α ≥ 0 f ( x k + α d k ) x k + 1 = x k + α k d k \alpha^k = \argmin_{\alpha\ge0}f(x^k+\alpha d^k)\\x^{k+1}=x^k+\alpha^kd^k αk=α≥0argminf(xk+αdk)xk+1=xk+αkdk
二、拉格朗日法
x k + 1 = x k − α k ( ∇ f ( x k ) + A T v k ) v k + 1 = v k + α k ( A x k − b ) x^{k+1}=x^k-\alpha^k(\nabla f(x^k)+A^Tv^k)\\v^{k+1}=v^k+\alpha^k(Ax^k-b) xk+1=xk−α
最低0.47元/天 解锁文章
扫一扫
8867
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
