凸优化第四章凸优化问题 4.2凸优化

最新推荐文章于 2023-10-19 22:22:27 发布

「已注销」

最新推荐文章于 2023-10-19 22:22:27 发布

阅读量7.5k

点赞数 8

分类专栏：凸优化文章标签：凸优化

本文链接：https://blog.csdn.net/wangchy29/article/details/86577267

版权

本文深入探讨了凸优化问题，包括标准形式、局部与全局最优解的性质、可微函数的最优性准则，以及如何通过消除等式约束、引入松弛变量等方式转换问题。此外，还介绍了拟凸优化的概念，指出其局部最优解不一定是全局最优，并阐述了二分法求解拟凸优化问题的基本思想和算法流程。

摘要由CSDN通过智能技术生成

4.2凸优化

标准形式的凸优化问题
局部最优解与全局最优解
可微函数的最优性准则
等价的凸问题
拟凸优化

标准形式的凸优化问题

$minimize\, \, f_0(x) \\ subject\, \, to\, \, \begin{matrix} f_i(x)\leq 0& i=1,\cdots m \\ a_i^T=b_i&i=1,\cdots p \end{matrix}$

$f_0,d_1,f_2\cdots ,f_m$ 是凸函数，等式约束是仿射函数。则此优化问题是凸优化问题。

也可以写成

$minimize\, \, f_0(x) \\ subject\, \, to\, \, \begin{matrix} f_i(x)\leq 0& i=1,\cdots m \\ Ax=b& \end{matrix}$

重要性质：凸优化问题的可行集也是凸集。

证明：可行集是满足不等式约束和等式约束的点的集合，首先不等式约束函数 f_i 是凸函数，满足不等式约束 $f_i(x)\leq 0$ 的x，相当于是 f_i 的0-下水平集，凸函数的下水平集是凸集，所以满足每个不等式约束的x均是凸集，同时满足这些不等式约束的x是这些凸集的交集仍为凸集。对于等式约束，满足每个仿射函数的x是凸集，同时满足多个仿射函数的x是凸集的交集也是凸集。同时考虑不等式约束和等式约束，可知凸优化问题的可行集也是凸集。