凸优化中局部最优解就是全局最优解吗？

对于凸优化来说，局部最优就是全局最优，换句话说，极小值就是最小值。

至于为什么？这个就是数学证明了，这个要用到凸函数、凸集的定义。

我们可以用反证法来证明。已知x0x0是个局部最优点，假设在全集SS上存在一个点x∗x∗，使得

 

f(x∗)<f(x0).f(x∗)<f(x0).

因为f(x)f(x)是凸函数，所以对于任意的tt

 

f(tx∗+(1−t)x0)≤tf(x∗)+(1−t)f(x0)f(tx∗+(1−t)x0)≤tf(x∗)+(1−t)f(x0)

注意，这个tt是00到11之间的任意值，所以tt可以非常接近00，此时(tx∗+(1−t)x0)(tx∗+(1−t)x0)这个点就可以无限接近x0x0，但是函数在这个点的值又比f(x0)f(x0)小，所以f(x0)f(x0)不可能是局部最小值。故假设矛盾，因此不存在这样的x∗x∗。f(x0)f(x0)必定为最小值。