凸优化----初步理解

本文探讨了凸优化问题的关键特征,包括KKT条件成为充要条件的情况,以及局部最优解如何成为全局最优解的条件。文章指出,问题是否为凸优化并不取决于线性或非线性,有约束或无约束,而在于问题本身的凸性。同时,介绍了凸集的定义,凸优化问题的约束条件必须为凸集,以及如何通过函数的二阶导数判断其凸性。最后,讨论了凸函数与凸集的关系,并提出通过线性函数将非凸问题近似为凸优化问题的方法,常用于牛顿法等求解策略。
摘要由CSDN通过智能技术生成

1、什么时候KKT条件可以成为充要条件

2、什么时候局部最优解可以成为全局最优解

上面两个问题答案显然就是凸优化问题。

3、一般的优化问题与凸优化问题的分水岭不在于问题本身是线性还是非线性的,有约束还是无约束的,核心问题在于这个问题是凸还是非凸。如果该问题是凸问题,那么这个问题就已经解决了。

凸集的定义


本图片出自于七月算法四月机器学习班第四课也就是集合中任意两点的线段都在这个集合内,则为凸集。

  • 0
    点赞
  • 2
    收藏
    觉得还不错? 一键收藏
  • 1
    评论
评论 1
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
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
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