参考文献:first-order methods in optimization- Amir Beck
修改时间 | 修改内容 |
2019.09.27 | 删去了目录等次要内容,突出重点和应该注意的细节 |
1次梯度定义
2次微分(集合)的性质 次可微性 次梯度集合的重要性质
3方向导数【定义在intdomf上的】、max forluma、若x不在intdomf则必然得到的是比max forluma弱的结果
4可微【定义在intdomf上的】
1 Definitions and First Example
Def 3.1(次梯度) 是proper的,。被称作f在x上的次梯度,如果满足
时式子显然成立,可以写成
对某个x,都有很多g满足上式。整理成集合:
2 Properties of the Subdifferential Set
Subdifferential sets are always closed and convex.
在x处的次梯度的集合(每个次梯度都是对任意y成立)=在x处 固定y 的割线斜率集合 最后取并
我们说f在x上是次可微的,如果在上述定义下的 次微分集合是非空的。
定义次可微点的集合:
f proper convex,x在dom(f)内部,则f在x处是次可微的而且次梯度的集合有个界【非线性优化多了次梯度的集合是闭且max formula成立的结果】
f | x | domf | ridomf | intdomf |
---|---|---|---|---|
proper ,convex | ||||
值得注意的是,次梯度是定义在domf上的,f proper |
补充相对内部的定义
f proper , dom(f) convex , f在dom(f)上每一点都次可微,则f convex
f 实值函数且convex,则f在E上的点都次可微
3 Max Formula(f 正常凸,x在domain内部的情况下)
这个Max Formula将次梯度与方向导数联系起来。
f在d方向的导数
凸函数在其domain内部具有全方向的导数。
在凸性假设下,函数值与方向导数的联系。
在没有凸性假设下,计算有限函数集合的最大方向导数
3.2 The Max Formula
4 可微性
至此,介绍了次可微、可微的概念,并了解什么是次梯度、方向导数、梯度。
x上沿d方向的方向导数=d在次可微集上的支撑函数值;x上沿d方向的方向导数=梯度与方向d的内积。