凸优化第四章凸优化问题 4.7向量优化

最新推荐文章于 2023-07-08 14:41:58 发布

VIP文章「已注销」

最新推荐文章于 2023-07-08 14:41:58 发布

阅读量2.6k

点赞数 1

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/86666185

版权

4.7向量优化

广义和凸的向量优化问题
最优解与值
Pareto最优解与值
标量化
多准则优化
例子

广义和凸的向量优化问题

广义向量优化问题

$minimize(K)\,\, f_0(x)\\ subject \, \, to \, \,\begin{matrix} f_i(x)\leq 0,i=1,2,\cdots m\\ h_i(x)=0,i=1,2\cdots p \end{matrix}$

其中 $x\in R^n$ 是优化变量， $K\subseteq R^q$ 是正常锥， $f_0:R^n\rightarrow R^q$ 是目标函数， $f_i:R^n\rightarrow R$ 是不等式约束函数， $h_i:R^n\rightarrow R$ 是等式约束函数。其余标准优化问题的区别在于目标函数不是标量而是向量，且比较目标函数值的方法不再是简单的数的大小，而是有正常锥K定义的广义不等式。故也称标准优化问题为标量优化问题。

凸向量优化问题

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

$A\in R^{p\times n}$

即如果目标函数是K-凸的，其不等式约束函数 $f_i,i=1,2\cdots p$ 是凸的，等式约束函数是仿射的，则称问题是凸向量优化问题。

对于向量优化问题，我们是要寻找一个目标函数值在K锥上最优，即最小。但是因为向量优化问题的目标函数是向量，向量并不一定是可比较的，所以就要分情况考虑，类似第二章的最小元和极小元，在向量优化问题中，有两种情况，即最优解和Pareto最优解。

最优解与值

考虑可行点的目标值的集合：

最低0.47元/天解锁文章

「已注销」

关注

1
点赞
踩
7

收藏

觉得还不错? 一键收藏
0
评论
凸优化第四章凸优化问题 4.7向量优化

4.7向量优化广义和凸的向量优化问题最优解与值 Pareto最优解与值标量化多准则优化例子广义和凸的向量优化问题广义向量优化问题其中是优化变量，是正常锥，是目标函数，是不等式约束函数，是等式约束函数。其余标准优化问题的区别在于目标函数不是标量而是向量，且比较目标函数值的方法不再是简单的数的大小，而是有正常锥K定义的广义不等式。故也称标准优化问题为标量优化问题。...
复制链接

扫一扫

专栏目录

评论

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。