凸优化理论学习
文章平均质量分 96
丁希希哇
这个作者很懒,什么都没留下…
展开
-
凸优化理论学习八|几何问题
另外,需要注意的是,两组不等式可能描述相同的集合,但其解析中心可能是不同的,这取决于不等式约束的具体形式和约束集合的几何性质。它的作用是通过惩罚违反不等式约束来寻找在约束集内部的点,其中对于任何违反不等式约束的点,其目标函数值会趋于无穷大,因此最小化该目标函数将导致寻找在不等式约束下尽可能远离违规区域的点。在设施选址和布置问题中,我们通常需要在平面或三维空间中放置若干个点,并且这些点之间的某些位置是已知的,另一些位置是变量。内接椭球最大体积问题是一个经典的几何优化问题,通常被称为"最大体积内接椭球问题"。原创 2024-05-19 19:55:52 · 958 阅读 · 0 评论 -
凸优化理论学习七|统计估计
极大极小(Max-Min)检测器是一种常见的检测器设计方法,其目标是在所有可能情况下最大化最差情况的性能。D-最优设计是实验设计中的一种方法,通过选择设计点来最小化估计参数的协方差矩阵的行列式,从而最小化估计的不确定性。标量化多目标检测器设计问题的核心思想是将多个目标函数组合成一个单一的标量目标函数,从而将多目标优化问题转化为单目标优化问题。行列式的几何解释是对应置信椭球体的体积,因此最小化协方差矩阵的行列式的对数相当于最小化估计的不确定性,使得置信椭球体的体积最小。在参数分布估计中,我们选择一个参数。原创 2024-05-19 13:38:12 · 779 阅读 · 0 评论 -
凸优化理论学习六|近似和拟合
在估计或回归领域中,当测量的结果中某个分量存在较大的噪声误差时,按照上面的罚函数,结果残差向量中会产生含有较大分量的残差项。对于这种情况,我们应该首先确认哪些测量值是野值,然后在估计过程中移除,或者在估计时不要对这些项进行太多的优化。最常用的就是使用范数,范数是一个函数,自变量是一个向量,因变量是这个向量的距离值。评价每个分量的费用或惩罚,总体惩罚就是每个残差的罚函数之和。的不同选择会导致不同的残差,因此有不同的总体惩罚,在罚函数问题中,极小化总体惩罚来解决问题。的问题,而最小范数问题解决的是在满足。原创 2024-05-18 21:02:35 · 1224 阅读 · 0 评论 -
凸优化理论学习五|对偶性
对偶问题(Dual Problem)在优化理论中是与原始问题相关联的一个问题。对偶问题的目标函数和约束条件是通过拉格朗日函数构造的,其形式可能有所不同,具体取决于原始问题的形式。目标函数:最大化gλvgλvλ≥0λ≥0凸性:无论原始问题是否为凸,对偶问题始终为凸优化问题,因此对偶问题比原始问题更容易求解弱对偶性:对于任何原始可行解xxx和任何对偶可行解λvλvfx≤gλvfx≤gλv。原创 2024-05-18 13:07:18 · 859 阅读 · 0 评论 -
凸优化理论学习四|凸优化问题(二)
这种问题通常在实践中很难求解,因为它是一个组合优化问题,通常需要穷尽搜索所有可能的组合来找到最优解。但是找到一个同时优化所有目标的解是具有挑战性的,而且可能并非总是可能的。在凸松弛中,通过将非凸问题转化为等价的凸优化问题来简化求解过程。拟凸优化问题是一类特殊的优化问题,它的目标函数是拟凸函数,拟凸问题可能有非(全局)最优的局部最优点。对于标量问题是最优的,那么它对于多准则问题是帕累托最优的。在凸形式中,将几何规划(GP)的问题转换为对数空间是一种常见的方法。得到的等价问题为:(这里的映射必须是单射)原创 2024-05-17 15:06:23 · 769 阅读 · 0 评论 -
凸优化理论学习三|凸优化问题(一)
二次规划(Quadratic Programming,简称QP)是一种优化问题,其目标是最小化或最大化一个二次型目标函数,其变量受到一组线性等式和不等式约束的限制。线性规划(LP)是一种特殊形式的凸优化问题,其目标函数和约束函数都是仿射的,可行集是多面体(即由线性不等式和等式构成的凸多面体)。半定规划(Semidefinite Programming,SDP)是一类重要的凸优化问题,它涉及到优化一个线性函数,其变量是对称半正定矩阵。凸优化问题的可行集和最优集是凸的;是对称正定矩阵,目标和约束是凸二次的;原创 2024-05-14 21:55:21 · 1061 阅读 · 0 评论 -
凸优化理论学习二|凸函数及其相关概念
设SSS为nnn维欧氏空间RnR^nRn中的非空凸集,fff是定义在SSS上的实函数,如果对任意的xy∈Sx,y\in Sxy∈S及0≤θ≤10≤θ≤1fθx1−θy≤θfx1−θfyfθx1−θy≤θfx1−θfy则称fff为SSS上的凸函数。(这里的凸函数与高数里面定义的凸函数则恰恰相反。如果 -f 是凸的,则 f 是凹的当不需要满足等号条件时,fff为严格凸函数。原创 2024-05-11 20:25:49 · 1028 阅读 · 0 评论 -
凸优化理论学习一|最优化及凸集的基本概念
线性分数函数是仿射映射函数和透视变换的复合函数,依然还是保凸运算,凸集在线性分数函数下的像和逆像都是凸的。支撑超平面不完全逆定理:如果一个集合是闭的,具有非空内部并且其边界上每个点均存在支撑超平面,那么它是凸的。仿射映射:凸集的仿射映射也是凸的。(函数形式为f=Ax+b,则称函数是仿射的,即线性函数加常数的形式。是有限多个线性不等式和等式的解集,也是有限数量的半空间和超平面的交集。支撑超平面:如果C是凸的,那么在C的每个边界点都存在一个支持超平面。交运算:(任意数量的)凸集的交集是凸的。原创 2024-05-10 14:27:27 · 621 阅读 · 0 评论