优化问题学习手记——无约束优化问题(基础知识)
主要是无约束优化问题数学基础知识。
目录
- 无约束优化问题
- 基础知识
- 梯度下降法
- 牛顿法
- 等约束优化问题
- 不等约束优化问题
必要的基础概念
凸集(convex set)
在欧氏空间中,凸集是对于集合内的每一对点,连接该对点的直线段上的每个点也在该集合内。
凸函数(convex function)
对于任意定义中的x(x可以是向量), λ ∈ [ 0 , 1 ] \lambda\in[0,1] λ∈[0,1]
tips:方便记忆理解的话就是在二维空间里,函数上两点的连线上的所有的点大于函数上同横坐标的点。
拟凸(quasi-convex)
把凸函数大于好那边改成两个端点的函数值的最小值。
关键点
一阶偏导为0的点。
全局最优点
局部最优点
无约束
最优点在可行域的内部(稍微移动一点距离,不会出可行域)
求解局部最优点
判断是否为关键点
一阶偏导为0,指对每一个变量求一阶偏导,使其为0