凸优化
暴躁的地瓜
Time flies.
展开
-
凸优化非系统学习之笔记3:拉格朗日乘子法和KKT条件
https://www.cnblogs.com/liaohuiqiang/p/7805954.htmlhttps://www.cnblogs.com/xinchen1111/p/8804858.html这两篇都讲的很清楚。原创 2019-07-24 10:13:45 · 404 阅读 · 0 评论 -
凸优化非系统学习之笔记4:Convex-ConCave Procedure,CCCP
https://blog.csdn.net/qq_33530069/article/details/85132668这篇文章讲的还算清楚,本质上是寻找两个凸函数之间梯度相同的两个点,即逐步减小两个函数之间的距离,使其收敛到距离最接近的点。...原创 2019-07-24 10:20:03 · 2782 阅读 · 0 评论 -
凸优化非系统学习之笔记1:凸集和凸函数
凸集和凸函数https://www.cnblogs.com/Lin-chun/p/6875184.html注意:最大值函数为凸函数Jensen不等式:假若f为凸,并且X由dom(f)所支持的随机变量,则有f(E(X))<=E(f(x))。https://www.cnblogs.com/hgl0417/p/6670762.html这篇文章中也有对于凸集和凸函数以及拉格朗日乘子法...原创 2019-07-19 16:10:55 · 1056 阅读 · 0 评论 -
凸优化非系统学习之笔记5:内点法
在了解内点法之前,最好对优化问题的对偶命题有所了解(在优化问题求解过程中经常碰到):https://blog.csdn.net/dymodi/article/details/46411301优化问题的对偶命题:在满足一系列条件的情况下,原始命题的最小(大)值和对偶命题的最大(小)值在同一组参数处取得。以及牛顿法:https://www.cnblogs.com/liuwu265/p/4713...原创 2019-07-24 14:12:14 · 1962 阅读 · 0 评论 -
凸优化非系统学习之笔记6:优化问题中的对偶问题
在阅读文献过程中,对优化问题进行求解时,经常遇到将原始问题转化为对偶问题进行求解的手段,但是我常常搞不明白为什么可以进行对偶转化,以及转化后的对偶问题与原问题的关系,在什么情况下需要将优化问题进行对偶问题转化或者转化为对偶问题求解更好,转化后的对偶问题是否有解,原始问题和对偶问题最优解之间的gap如何计算等等。因此对优化问题的对偶问题进行总结,如下。1 《Convex Optimization...原创 2019-07-25 15:23:08 · 993 阅读 · 0 评论 -
凸优化非系统学习之笔记2:分数规划问题及相关算法
分数规划问题及相关算法https://blog.csdn.net/hzoi_ztx/article/details/54898323这篇文献讲的很清楚。https://www.cnblogs.com/KirisameMarisa/p/4187637.html有部分C代码。原创 2019-07-22 10:24:25 · 899 阅读 · 0 评论