典型题型
判断是否为局部最优解(非线性规划)
1.写出 L ( x , w , v ) L(x,w,v) L(x,w,v)和 ∇ f ( x ) , ∇ g ( x ) , ∇ h ( x ) \nabla f(x),\nabla g(x),\nabla h(x) ∇f(x),∇g(x),∇h(x),求出 ∇ x L \nabla_xL ∇xL和 ∇ x 2 L \nabla_x^2L ∇x2L
(1)判断是否是可行点
(2)找出 I I I
(3)根据 I I I写出KKT方程。
(4)求解KKT方程,如果 w i < 0 w_i<0 wi<0,则不是KKT点->不是局部最优解
(5)如果 w ≥ 0 w\geq0 w≥0,则是KKT点。写出 ∇ x 2 L \nabla_x^2L ∇x2L
\;\;\;\;\;\;\; ① ∇ x 2 L \nabla_x^2L ∇x2L正定->在 G G G上正定->局部最优解
\;\;\;\;\;\;\; ② ∇ x 2 L \nabla_x^2L ∇x2L不是正定,求 G ˉ \bar G Gˉ,如果 G ˉ = { ( 0 , 0 ) } \bar G=\{(0,0)\} Gˉ={(0,0)},则 G = ∅ G=\varnothing G=∅->局部最优解;如果 G ˉ \bar G Gˉ还有其他向量且 ∇ x 2 L \nabla_x^2L ∇x2L在 G ˉ \bar G Gˉ上不是半正定的->不是局部最优解
凸集与凸函数
凸集定义和性质~表示定理:《绪论》p60
凸集的定义和性质
定义
超平面 H = { x ∣ p T x = a } H=\{\textbf{x}|\textbf{p}^T\textbf{x}=\textbf{a}\} H={
x∣pTx=a}
半空间 H = { x ∣ p T x ≤ a } H=\{\textbf{x}|\textbf{p}^T\textbf{x}\le\textbf{a}\} H={
x∣pTx≤a}
射线 L = { x ∣ x = x ( 0 ) + λ d , λ ≥ 0 } L=\{\textbf{x}|\textbf{x}=\textbf{x}^{(0)}+\lambda\textbf{d},\lambda\geq0\} L={
x∣x=x(0)+λd,λ≥0}
多面体/集 { x ∣ Ax ≤ b } \{\textbf{x}|\textbf{Ax}\leq\textbf{b}\} {
x∣Ax≤b}
{ ∑ i = 1 k λ i α 0 , λ i ≥ 0 } \{\sum_{i=1}^k \lambda_i \alpha^{0}, \lambda_i\geq 0\} {
∑i=1kλiα0,λi≥0} 凸集+锥
都是凸集。
性质
S 1 ∪ S 2 S_1\cup S_2 S1∪S2不一定是凸集
证明是凸集: 1.定义法。 2.性质法,用已知的凸集构造
极点和极方向的定义
极点
对于紧凸集,任何一点都能被极点的凸组合表示,但是对于无界集不适用->引入极方向。
方向、不同方向、极方向
有界集不存在(极)方向,只有无界集才可能存在。
方向的证明:
1.定义
2.
极方向的证明:
d = α 1 d 1 + α 2 d 2 \textbf{d}=\alpha_1\textbf{d}_1+\alpha_2\textbf{d}_2 d=α1d1+α2d2,其中 α 1 , α 2 > 0 \alpha_1,\alpha_2>0 α1,α2>0,要说明 d 1 \textbf{d}_1 d1和 d 2 \textbf{d}_2 d2是方向。
如果能推出 d 1 = λ d 2 , λ > 0 \textbf{d}_1=\lambda\textbf{d}_2,\lambda>0 d1=λd2,λ>0,则 d \textbf{d} d是极方向。
证明例子可见《绪论》p65
表示定理
凸集分离定理
定理1: S S S是 E n E^n En的闭凸集, y ∉ S y\notin S y∈/S,则存在唯一的 x ˉ ∈ S \bar x\in S xˉ∈S,使得 ∣ ∣ y − x ˉ ∣ ∣ = i n f x ∈ S ∣ ∣ y − x ∣ ∣ > 0 ||y-\bar x||=inf_{x\in S}||y-x||>0 ∣∣y−xˉ∣∣=infx∈S