1、凸函数
凸函数: 和高数上不一样，不是看形状，而是看定义
f
[
(
x
1
+
x
2
)
/
2
]
<
=
[
f
(
x
1
)
+
f
(
x
2
)
]
/
2
f[(x_1+x_2) /2] <=[f(x_1)+f(x_2)]/2
f[(x1+x2)/2]<=[f(x1)+f(x2)]/2
f(x)=x直线也是凸函数，但不严格
严格凸函数： f [ ( x 1 + x 2 ) / 2 ] < [ f ( x 1 ) + f ( x 2 ) ] / 2 f[(x_1+x_2) /2] < [f(x_1)+f(x_2)]/2 f[(x1+x2)/2]<[f(x1)+f(x2)]/2 ，如 f ( x ) = x 2 f(x)=x^2 f(x)=x2
2、仿射函数
仿射函数：最高次数为1的多项式函数。
f
(
X
)
=
w
1
x
1
+
w
2
x
2
+
.
.
+
w
n
x
n
+
b
f(X)=w_1x_1+w_2x_2+..+w_nx_n+b
f(X)=w1x1+w2x2+..+wnxn+b。
仿射函数也是凸函数，只是不是严格凸函数。
常数项为零的仿射函数称为线性函数，线性函数是过原点的仿射函数。
3、凸优化问题
若 f ( X ) f(X) f(X)为目标函数、 g ( X ) g(X) g(X)为不等式约束、 h ( X ) h(X) h(X)为等式约束。三者在定义域内是连续可微的，且目标函数f和不等式约束函数g是凸函数，等式约束h是仿射函数，则这种约束最优化问题称为凸优化问题。
4、凸二次规划问题
凸二次规划问题是凸优化问题的一个特殊形式，当目标函数是二次型函数且不等式约束函数 g 是仿射函数时，就变成一个凸二次规划问题。凸二次规划问题存在解。
凸二次规划问题的特征：
目标函数f是二次型函数函数。如svm:
f
(
w
)
=
w
1
2
+
.
.
+
w
n
2
f(\textbf{w})=w_1^{2}+..+w_n^{2}
f(w)=w12+..+wn2
等式约束h是仿射函数
不等式约g是仿射函数
常用的二次规划问题求解方法有：
椭球法
内点法
增广拉格朗日法
梯度投影法
扫一扫
3万+
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
