![](https://img-blog.csdnimg.cn/20201014180756927.png?x-oss-process=image/resize,m_fixed,h_64,w_64)
凸优化
文章平均质量分 93
今年什么都要有
这个作者很懒,什么都没留下…
展开
-
凸优化——详解对偶和鞍点
强对偶原问题的最优解(最小解)p∗p^*p∗一定是大于等于其对偶问题的最优解(最大值)d∗d^*d∗的:p∗>=d∗p^*>=d^*p∗>=d∗这是对偶问题最重要的一条性质弱对偶满足p∗>=d∗p^*>=d^*p∗>=d∗,这就是弱对偶性,无论原函数是不是凸的,只要有解就一定满足前述不等式,也就是说一定都是弱对偶的。强对偶如果一个问题p∗=d∗p^*=d^*p∗=d∗,那原问题和对偶问题就是强对偶的。也就是最优对偶间隙p∗−d∗p^*-d^*p∗−d∗为0原创 2021-07-15 21:30:56 · 1721 阅读 · 0 评论 -
凸优化——详解原函数的对偶函数、对偶问题和共轭函数之间的关系(我尽力了)
一、 原函数的对偶函数和共轭函数对偶函数原函数 ==> 拉格朗日函数 ==> 对偶函数(拉格朗日对偶函数)f0f_0f0 ==>L(x,λ\lambdaλ,v) ==>D(λ\lambdaλ,v)这里就不具体写形式了,一定要搞清楚各个函数的变量是哪些共轭函数/函数的共轭我一下午花了很多很多时间看勒让德变换,终于搞懂共轭函数是啥了!B站此小姐姐的数学实在太好了维基-勒让德变换f∗(y)=sup(yTx−f(x))f^*(y)=sup(y^Tx-f原创 2020-11-21 18:48:37 · 7553 阅读 · 3 评论