“凸优化基础”相关理论知识

1、计算几何是研究什么的？

计算几何研究的对象是几何图形。早期人们对于图像的研究一般都是先建立坐标系，把图形转换成函数，然后用插值和逼近的数学方法，特别是用样条函数作为工具来分析图形，取得了可喜的成功。然而，这些方法过多地依赖于坐标系的选取，缺乏几何不变性，特别是用来解决某些大挠度曲线及曲线的奇异点等问题时，有一定的局限性。

2、计算几何理论中（或凸集中）过两点的一条直线的表达式，是如何描述的？与初中数学中那些直线方程有什么差异？有什么好处？

（1）过两点的一条直线的表达式的描述
假设两个点不相同:x1、x2，那么就有直线方程：y=θx1+(1−θ)x2
（2）计算几何初中数学中那些直线方程有什么差异，有什么好处？
计算几何与平面几何（初高中学习）的区别就是维度的不一样，计算几何在平面的基础上添加了角度的维度，这意味着计算的复杂性提高了，但是计算的结果更加的广泛，更加的精确，更容易全方位的表达一条直线。

3、凸集是什么？ 直线是凸集吗？是仿射集吗？

（1）凸集定义
在凸几何中，凸集(convex set)是在凸组合下闭合的仿射空间的子集。更具体地说，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。例如，立方体是凸集，但是任何中空的或具有凹痕的例如月牙形都不是凸集。特别的，凸集，实数R上（或复数C上）的向量空间中，如果集合S中任两点的连线上的点都在S内，则称集合S为凸集。常见的凸集：单点集 ，空集，整个欧氏空间 Rn。



（2）直线是否属于凸集以及仿射集
凸集是单点或一条不间断的线（包括直线、射线、线段）；二、三维空间中的凸集就是直观上凸的图形。（例如：在二维中有扇面、圆、椭圆等，在三维中有实心球体等；多数情况下，两个凸集的交集也是凸集，空集也是凸集）
仿射集定义：


由定义可知，直线属于仿射集，且为维数为1的仿射集。

4、三维空间中的一个平面，如何表达？

（1）三维空间中的平面主要通过建立公式模型来解答
例如：假设三维的直线方程为:
Ax+By+Cz+D=0
我们需要的求解的便是其中的A、B、C、D的未知参量，那么我们如何求解其中的未知参量呢？这就需要通过特定的求解方法
（2）求解未知参量A、B、C、D的方法

1. 最原始的解法是根据已知的三个点，建立3个联合方程组,来消元
2. 高斯消元法
3. 克莱姆法则(适用于变量和方程数目相等)

这里只列出三种，还有其他的求解方法

5、更高维度的“超平面”，如何表达？

（1）超平面定义
超平面H是从n维空间到n-1维空间的一个映射子空间，它有一个n维向量和一个实数定义。因为是子空间，所以超平面一定过原点。
（2）高维度超平面的表达
在数学中，超平面（Hyperplane）是n维欧氏空间中余维度等于1的线性子空间。这是平面中的直线、空间中的平面之推广。
设F为域，其中：F=IR，则n维空间Fn中的超平面是由如下方程表示：a1x1+…+anxn=b

超平面H是从n维空间到n-1维空间的一个映射子空间，它有一个n维向量和一个实数定义。设d是n维欧式空间R中的一个非零向量，a是实数，则R中满足条件dX=a的点X所组成的集合称为R中的一张超平面。

6、什么是“凸函数”定义？什么是Hessen矩阵? 如何判别一个函数是凸函数？f(x)=x^3 函数是凸函数吗？

（1）凸函数定义
任意两点的函数值的连线上的点都在曲线的上方，称为凸函数。

数学模型如下：

（2）Hessen矩阵定义
Hessian Matrix（黑塞矩阵、海森矩阵、海瑟矩阵、海塞矩阵 etc.）,它是一个多元函数的二阶偏导数构成的方阵，用以描述函数的局部曲率。黑塞矩阵最早于19世纪由德国数学家Ludwig Otto Hesse提出，并以其名字命名。Hessen矩阵常用于牛顿法解决优化问题。

（3）如何判别一个函数是凸函数
一元函数的判别
对于一元函数f(x)f(x)，我们可以通过其二阶导数f′′(x)f″(x) 的符号来判断。如果函数的二阶导数总是非负，即f′′(x)≥0f″(x)≥0 ，则f(x)f(x)是凸函数
多元函数的判别
对于多元函数f(X)f(X)，我们可以通过其Hessian矩阵（Hessian矩阵是由多元函数的二阶导数组成的方阵）的正定性来判断。如果Hessian矩阵是半正定矩阵，则是f(X)f(X)凸函数
（4）f(x)=x^3 函数是否为凸函数
该函数为一元函数，故从一元函数的角度来判断
当我们用y=1000x的直线去截f(x)=x^3 的模型时，可以看到，直线上的所有点，不都在曲线的上方，因此，函数f(x)=x^3不是凸函数

7、什么是“凸规划”？如何判别一个规划问题是凸规划问题。举例说明？

（1）凸规划定义

（2）如何判别一个规划问题是凸规划问题
与一般的最优化问题标准形式相比，凸规划有三个附加条件：
（1）目标函数f(x)必须是凸函数；
（2）不等式约束函数gi(x)必须是凸函数，不等式gi(x)≤0组成的区域为凸集；
（3）等式约束函数：必须是仿射的（即线性函数和常函数的和函数）。
结论：凸规划的可行域是凸集。因为每个约束条件的点集都是凸集，它们的交集也是凸集。
（3）下面举个例子说明
验证下列优化问题为(MP)是凸规划

求解f(x)与g1(x)、g2(x)、g3(x)的f(x)的Hessen矩阵

终上所述，该优化问题是凸规划问题

以上是凸优化基础的相关理论知识，介绍的不全面还请谅解，希望可以对需要的人有所帮助，有什么问题欢迎留言交流~