切平面算法主要用于整数线性规划和凸优化问题的解决。在整数线性规划中，通过构造线性不等式排除非整数解的顶点，逐渐逼近最优整数解。在凸优化问题中，特别是目标函数不可微时，利用下梯度构造切平面，迭代求解松弛目标函数的最小值。该方法包括Gomory和Chvátal的贡献，以及在非不同iable凸优化中的应用，如Kelley's方法和bundle方法。
摘自维基百科，有时间再翻译，觉得写得不错，主要思想如下：
切平面算法是数学优化算法中的的一个泛称，所谓的切平面(cut)就是指线性的不等式约束。该方法主要用在整数线性规划和凸优化问题的求解中。
在整数线性规划问题（MILP）中，并且满足一定假设的情况下，最优解一般出现在可行域的顶点中。如果顶点非整数解，那么就可以构造一个CUT（线性不等式）来将该顶点从原先的可行域中删除，从而缩小可行域的范围，直到寻找到最优的整数解。
而切平面算法用在凸优化问题中，主要针对的是目标函数不可微的情形，当然这也并非是必要条件。这种方法迭代求解松弛的（relaxed）的目标函数的最小值：
1.利用目标函数的下梯度（subdifference ,subgradient, subgrative）构造切平面，这里的下梯度可以理解为切平面的斜率。从而近似求解给凸优化问题
In mathematical optimization, the cutting-plane method is an umbrella term for optimization methods which iteratively refine a
最低0.47元/天 解锁文章
扫一扫
2830
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
