凸优化笔记

本文介绍了凸优化的基本概念,包括无约束优化问题和等式、不等式约束优化。特别关注了最速下降法、牛顿法以及共轭梯度算法,这些是解决凸优化问题的常用方法。文章还讨论了最小二乘问题作为凸优化的一个实例,并引用了相关参考文献。

摘要生成于 C知道 ,由 DeepSeek-R1 满血版支持, 前往体验 >

基本概念

凸优化问题具有如下形式:

minf0(x)subjecttofi(x)bi,i=1,...,m
其中,函数 f0,...,fm:RnR 为凸函数,即对任意 x,yRn,α,βR α+β=1,α0,β0 这些函数满足
fi(αx+βy)αfi(x)+βfi(y)

凸优化的常见的特殊形式有:最小二乘问题和线性规划问题。

最小二乘问题是这样一类优化问题,它没有约束条件(即m=0),目标函数是若干项的平方和,每一项具有形式 xTiayi ,具体形式如下:

minf0(x)=||XaY||22=i=1i=K(xTiyi)2
其中, XRkn(kn),xTi 是矩阵 X 的行向量,向量 aRn 是优化变量。
在多输入多输出中, yi=a1ix1+a2ix2+...+anixn
yT=xTA
其中, yT=[y1,...,yp],xT=[x1,...,xp]T
评论 1
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值