matlab cvx 使用教程,Matlab中的快速CVX求解器

我不知道什么x.d <= delta手段，但我就认为它应该是x <= delta。

可以使用投影梯度方法或加速投影梯度方法(这是投影梯度方法，其中“神奇”收敛速度更快的只是轻微的修改)解决了这个问题。这里有一些python代码展示了如何最小化.5 ||斧 - B ||^2受约束0 < = X < =使用FISTA，这是一个加速的投影梯度方法增量。关于投影梯度方法和FISTA的更多细节可以在例如在近端算法Boyd的manuscript找到。

import numpy as np

import matplotlib.pyplot as plt

def fista(gradf,proxg,evalf,evalg,x0,params):

# This code does FISTA with line search

maxIter = params['maxIter']

t = params['stepSize'] # Initial step size

showTrigger = params['showTrigger']

increaseFactor = 1.25

decreaseFactor = .5

costs = np.zeros((maxIter,1))

xkm1 = np.copy(x0)

vkm1 = np.copy(x0)

for k in np.arange(1,maxIter+1,dtype = np.double):

costs[k-1] = evalf(xkm1) + evalg(xkm1)

if k % showTrigger == 0:</