欢迎大家关注我的B站:
偷吃薯片的Zheng同学的个人空间-偷吃薯片的Zheng同学个人主页-哔哩哔哩视频 (bilibili.com)
本文参考书籍《最优化计算方法》,若侵权请联系删除
目录
1 凸集的相关定义
1.1 凸集、仿射集
1.2 凸组合、凸包
1.3 重要的凸集
1.3.1 超平面与半空间
1.3.2 球、椭球、锥
1.3.3 多面体
1.4 保凸运算
2 分离超平面定理
3 凸函数
3.1 凸函数、严格凸函数、强凸函数
3.2 一阶条件
3.3 二阶条件
4 保凸运算
5 共轭函数
6 次梯度
1 凸集的相关定义
1.1 凸集、仿射集
可见仿射集一定是凸集,但是要注意凸集的边界是开还是闭

1.2 凸组合、凸包

同理可得仿射组合与仿射包

1.3 重要的凸集
1.3.1 超平面与半空间
可以通过降维的方式去理解超平面与半空间

1.3.2 球、椭球、锥

1.3.3 多面体

1.4 保凸运算


2 分离超平面定理


3 凸函数
3.1 凸函数、严格凸函数、强凸函数

强凸函数减去一个正定二次函数仍然是凸函数,强凸函数一定是严格凸函数,而当强凸参数为0时,则退化成凸函数。
3.2 一阶条件
还可以用其梯度信息来判断是否是凸函数

其实也可以描述成凸函数始终在某一点切线的上方,也就可以通过任意一点的一阶近似得到可微凸函数的全局下界
还可以用梯度单调性来判断

凸函数仅当其梯度为单调映射且定义域为凸集的时候
3.3 二阶条件
若函数的二阶梯度也就是嗨森矩阵是半正定的,此函数就是凸函数
4 保凸运算

5 共轭函数
共轭函数相当于是线性函数与原函数的最大差值,它是一系列y的凸函数的逐点上确界,所以共轭函数一定是凸函数



6 次梯度
当一个函数在某点无法求梯度时,我们便引入次梯度
(1)函数是凸函数
(2)次梯度是一个集合,很多向量满足
(3)当函数可导时,梯度等于次梯度




1.3.3 多面体
版权声明:本文内容由互联网用户自发贡献,该文观点仅代表作者本人。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如发现本站有涉嫌侵权/违法违规的内容,请联系我们,一经查实,本站将立刻删除。
如需转载请保留出处:https://51itzy.com/kjqy/42406.html