基于多核学习的多视图学习——半无限线性规划问题（Semi-Infinite Linear Programming, SILP）...

半无限线性规划问题（Semi-Infinite Linear Programming, SILP）是一类特殊的优化问题，它的一般形式与标准的有限线性规划（Linear Programming, LP）类似，但是约束条件的数量可以是无限的。

尽管约束的数量是无限的，但这些约束往往遵循某种模式或规则，使得它们可以通过有限数量的参数来描述。

SILP的标准形式：

一个SILP问题可以被表述为：

这里的符号意义如下：

• ：是一个固定向量，表示目标函数中的成本系数。
• ：是决策变量的向量，我们试图找到这个向量的最优值。
• ：是第 个约束的系数向量，对于任意的 ，其中 是一个无限集。
• ：是第 个约束的右端项，对于任意的
• 

解释：

• 目标函数： 意味着我们要最小化一个线性函数，其中 是成本系数向量的转置， 是我们要决定的变量向量。
• 约束条件： 是每个约束的不等式形式，表示对于所有可能的 值，决策变量 必须满足这些不等式约束。由于

SILP的特点：

1. 无限约束：与标准线性规划不同，SILP有无限多个约束，这通常是因为存在一个连续的参数域，每个参数值对应一个约束。
2. 可操作性：虽然表面上看起来难以处理，但在许多情况下，无限约束可以用有限数量的参数来参数化，从而简化问题。
3. 求解策略：解决SILP问题通常需要特殊的方法，如外逼近法、内点法或者基于参数化的方法，这些方法可以将原问题转化为一系列有限的子问题。
4. 应用领域：SILP在工程设计、控制理论、金融和经济学等领域有着广泛的应用，特别是在需要考虑大量可能场景或连续变化参数的问题中。

示例：

假设我们有一个SILP问题，其中约束由一个参数 参数化，那么约束可以写成 ，其中 和 是关于参数 的函数， 可以取无限多的值。这种情况下，我们的任务就是找到满足所有这些约束的

原创作者: u_15837794 转载于: https://blog.51cto.com/u_15837794/11458141