凸优化第一章学习—part one
这一章是基础介绍类别的,其实很多算法都是将自己的模型求解转换为了一个优化问题,下面列举一些自己觉得重要的概念,算法的细节会在后续章节讲解
- mathematical optimization
🍕 所有的优化问题都可用这个数学式子描述:

即由目标函数和约束条件组成(其实看到这里就想起了高数里的拉格朗日法求最值,完美的结合目标函数和约束条件)
🍕凸函数的定义(这个高中也学过的哟,这个式子画一画图比较好理解为什么是凸函数)

分割线😀
- Least-squares and linear programming(最小二乘法和线性规划)
⚫最小二乘法(这块的代码实现想必都会了hhh)



本文介绍了凸优化的基本概念,涉及目标函数和约束条件,凸函数的定义,并重点讲解了最小二乘法与线性规划的原理、求解方法和应用,包括解析解的计算、单纯形法和内点法。同时提到了Chebyshev近似与两者间的区别。
最低0.47元/天 解锁文章
12万+

被折叠的 条评论
为什么被折叠?



