凸优化第四章凸优化问题 4.6广义不等式约束

最新推荐文章于 2020-12-16 20:28:43 发布

「已注销」

最新推荐文章于 2020-12-16 20:28:43 发布

阅读量2.3k

点赞数 2

分类专栏：凸优化

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/wangchy29/article/details/86659239

版权

本文介绍了凸优化中的广义不等式约束，讨论了锥形式问题，包括标准形式和不等式形式，以及半定规划的详细内容。通过举例说明了如何将问题转化为半定规划，并解释了线性矩阵不等式与线性规划的关系。此外，还探讨了如何将SOCP问题转换为等价的SDP问题。

摘要由CSDN通过智能技术生成

4.6广义不等式约束

锥形式问题
半定规划
例子

广义不等式约束

将不等式约束函数扩展为向量，并使用广义不等式，得到：

$minimize \, \,f_0(x) \\ subject \, \, to \, \,\begin{matrix} f_i(x)\preceq _{K_i} 0,i=1,2,\cdots m\\ Ax=b \end{matrix}$

其中 $f_0:R^n\rightarrow R$ ， $K_i\subseteq R^{k_i}$ 为正常锥， $f_i:R^n\rightarrow R^{k_i}$ 为 K_i 凸的。则称此问题为广义不等式意义下的凸优化问题。

结论：

可行集、任意下水平集和最优集都是凸的。
上述问题的任意局部最优解都是全局最优解。
可微函数的最优性条件都成立。

锥形式问题

锥形式问题也称锥规划，有线性目标函数和一个不等式约束函数（仿射函数）：

$minimize \, \,c^Tx \\ subject \, \,to \, \,\begin{matrix} Fx+g\preceq _K0\\ Ax=b \end{matrix}$

标准形式的锥形式问题：

$minimize \, \,c^Tx \\ subject \, \,to \, \,\begin{matrix} x\succeq _K0\\ Ax=b \end{matrix}$

不等式形式的锥形式问题：

最低0.47元/天解锁文章

「已注销」

关注

2
点赞
踩
12

收藏

觉得还不错? 一键收藏
2
评论
复制链接

分享到 QQ

分享到新浪微博

扫一扫

专栏目录

评论 2

被折叠的条评论为什么被折叠?

到【灌水乐园】发言

查看更多评论

添加红包

成就一亿技术人!

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。