凸优化基础知识—凸集(Convex Sets)
Directory
- 集合与函数(Sets and functions)
- 凸优化问题(Convex Optimization problem)
- 凸集(Convex Sets)
- 定义(Definition )
- 凸集的例子(Examples of convex sets)
- 等价问题
- A. 增加约束:
- B. 增加次方:
- C. 消除约束等式约束:
集合与函数(Sets and functions)
凸优化问题(Convex Optimization problem)
A conex optimization problem is of the form:
minx∈Df(x)\min_{x \in D} f(x)x∈Dminf(x) subject to
gi(x)<0,i=1,...,mhj(x)=0,j=1,...,r\begin{array}{ll} g_i(x)<0, ~i=1,...,m \\ h_j(x)=0, ~j=1,...,r \end{array}gi(x)<0, i=1,...,mhj(x)=0, j=1,...,r where fff and gig_igi are all convex, and hjh_jhj are affine. Any local minimizer of a convex optimization problem is a global minimizer.
凸集(Convex Sets)
定义(Definition )
Definition 2.1 凸集(Convex set): a set C⊆RnC \subseteq \mathbb{R}^nC⊆Rn is a convex set if for any x,y∈Cx,y\in Cx,y∈C, we have tx+(1−t)y∈C,∀0≤t≤1.tx+(1-t)y \in C, ~\forall 0\le t \le 1.tx+(1−t)y∈C, ∀0≤t≤1.
In other words, line segment joining any two elements lies entirly in set as following picture
Then, we assume that the black line respresents vector tx+(1−t)ytx+(1-t)ytx+(1−t)y with t∈[0,1]t \in [0,1]t∈[0,1]; the vector always locates the set space composed of the linear combination of xxx and yyy, for any ttt.
Definition 2.2 Convex combination of x1,...,xk∈Rn:x_1,...,x_k \in \mathbb{R}^n:x1,...,xk∈Rn: any linear combination θ1x1+...+θkxk,\theta_1x_1+...+\theta_kx_k,θ1x1+...+θkxk, with θi≥0,\theta_i \ge 0,θi≥0, and ∑i=1kθi\sum_{i=1}^{k}\theta_i∑i=1kθi=1.
Definition 2.3 集合的凸包(Convex hull of set )CCC: all convex combinations of elements in CCC. The convex hull is always convex.
Definition 2.4 锥(Cone): a set C⊆RnC\subseteq \mathbb{R}^nC⊆Rn is a cone if for any x∈Cx \in Cx∈C, we have tx∈Ctx \in Ctx∈C for all t≥0t \geq 0t≥0.
Definition 2.5 凸锥(Convex cone): a cone that is also convex, i.e., x1,x2∈C→t1x1+t2x2∈Cforallt1,t2≥0x_1,x_2 \in C\rightarrow t_1x_1+t_2x_2 \in C ~ for ~ all ~ t_1,t_2\geq 0x1,x2∈C→t1x1+t2x2∈C for all t1,t2≥0
Definition 2.6 圆锥组合 Conic combination of x1,...,xk∈Rx_1,...,x_k \in \mathbb{R}x1,...,xk∈R: any linear combination θ1x1+...+θkxk,withθ≥0\theta_1x_1+...+\theta_kx_k, ~ with ~ \theta \geq 0θ1x1+...+θkxk, with θ≥0
Definition 2.7 Conic hull of set CCC; all conic combinations of elements in CCC.
凸集的例子(Examples of convex sets)
- Empty set, point, and line are convex set.
- 范数球(Norm ball): {x:∥x∥≤r}\{x:\|x\| \le r\}{x:∥x∥≤r}, for given norm ∥⋅∥\|\cdot\|∥⋅∥, radius rrr.
- 超平面(Hyperplane):{x:aTx=b}\{x:a^Tx=b\}{x:aTx=b}, for given a,ba,ba,b.
- 半空间(Halfspace):{x:aTx≤b}\{ x: a^Tx \leq b\}{x:aTx≤b}.
- 仿射空间(Affine space): {x:Ax=b}\{x:Ax=b\}{x:Ax=b}
- 多面体(Polyhedron):{x:Ax≤b}\{x:Ax\leq b \}{x:Ax≤b},下面为多面体
等价问题
注意:两个问题的最优值相同,则这两个问题等价。
A. 增加约束:
minf0(x)s.t.li≤xi≤ui,i=1,...,n.\begin{array}{ll} & \min ~ f_0(x) \\ & s.t. ~~~ l_i \le x_i \le u_i, i=1,...,n. \end{array}min f0(x)s.t. li≤xi≤ui,i=1,...,n.
The above inequality constraint can be swith as the following inequations:
s.t.li−xi≤0,i=1,...,n.xi−ui≤,i=1,...,n.\begin{array}{ll} & s.t. & l_i - x_i \le 0, &i=1,...,n. \\ & & x_i - u_i \le, &i=1,...,n. \end{array}s.t.li−xi≤0,xi−ui≤,i=1,...,n.i=1,...,n.
B. 增加次方:
minx∥Ax−b∥2\min_x \| \mathbf{A} x - b \|_2xmin∥Ax−b∥2 由于xxx在函数内单调递增,故可等价于:minx∥Ax−b∥22\min_x \| \mathbf{A} x - b \|_2^2xmin∥Ax−b∥22
C. 消除约束等式约束:
Theoretically, the reduction of the constraints of equations makes higher efficiency, so we need to eliminate the equation constraints as possible as we can.
An typical example:
Assume that z∈Rk,ζ:Rk→Rnz\in \mathbb{R}^k, \zeta:\mathbb{R}^k \rightarrow\mathbb{R}^nz∈Rk,ζ:Rk→Rn,
minf0(x)s.t.fi(x)≤0,i=1,...,nx=ζ(z)\begin{array}{lll} & \min ~ f_0(x) \\ & s.t. ~~ f_i(x) \le 0, i=1,...,n \\ & \quad ~~~ x = \zeta(z) \end{array}min f0(x)s.t. fi(x)≤0,i=1,...,n x=ζ(z) Then, the above problem can be reformulate as the function of variable zzz,i.e.,
minf0(ζ(z))s.t.fi(ζ(z))≤0,i=1,...,n\begin{array}{ll} & \min ~f_0(\zeta(z)) \\ & s.t. ~~ f_i(\zeta(z)) \le 0, i=1,...,n \end{array}min f0(ζ(z))s.t. fi(ζ(z))≤0,i=1,...,n Finally, x∗x^*x∗ can be obtained from the x∗=ζ(z∗)x^* = \zeta(z^*)x∗=ζ(z∗).
凸优化基础知识—凸集(Convex Sets)相关推荐
- 凸优化“傻瓜”教程-----凸优化基础知识
目录 凸优化基础知识 1.AI问题是什么? 2.对于常见的优化问题,我们可以写成什么形式? 3.针对一般的优化问题,我们从哪几个方向思考? 4.什么样的问题是凸优化问题? 4.1凸优化问题需要同时满足 ...
- 凸优化基础知识笔记-凸集、凸函数、凸优化问题
文章目录 1. 凸集 2. 凸函数 2.1. 凸函数的一阶条件 2.1. 凸函数例子 3. 凸优化问题 4. 对偶 4.1. Lagrange函数与Lagrange对偶 4.2. 共轭函数 4.3. ...
- 机器学习——凸优化基础知识
文章目录 一.计算几何 (一)计算几何是研究什么的 (二)直线的表达式 二.凸集 (一)凸集是什么 (二)三维空间中的一个平面如何表达 (三)更高维度的"超平面"如何表达 三.凸函 ...
- 凸优化基础学习:凸集、凸函数、凸规划理论概念学习
凸优化基础概念学习 1.计算几何是研究什么的? 2.计算几何理论中(或凸集中)过两点的一条直线的表达式,是如何描述的?与初中数学中那些直线方程有什么差异?有什么好处? 3.凸集是什么? 直线是凸集吗? ...
- 前端性能优化基础知识--幕课网
作为一个前端小码农,在页面样式都能实现以后,就开始考虑:同一个效果,我该用什么样的方式和代码去实现它比较规范?前两天逛幕课网发现了两门课程–<前端性能优化-基础知识认知>和<前端性能 ...
- 【001】机器学习基础-凸优化基础
为什么开篇第一件事是介绍凸优化呢,原因很简单,就是它很重要! 凸优化属于数学最优化的一个子领域,所以其理论本身也是科研领域一门比较复杂高深的研究方向,常被应用于运筹学.管理科学.运营管理.工业工程.系 ...
- 凸优化第一【凸集与凸优化简介】
[本文仅供学习记录,概无其他用处,一些图片资源来自网络,侵删] 凸优化是一个简单的优化问题,优化-数学规划概念相同,本课程主要学习的内容包括:凸集.凸函数.凸优化和有关凸优化的一些算法. 优化:从一个 ...
- 分布式鲁棒优化基础知识学习 | Ref:《鲁棒优化入门》「运筹OR帷幄」
鲁棒:考虑最坏情况: 分布:最坏情况的主体是环境参数的分布变量. 从数学角度说,分布式鲁棒优化囊括随机规划和传统鲁棒优化两种形式. 当分布式鲁棒优化下,环境变量的分布函数获知时,分布鲁棒优化退化为随机 ...
- 【笔记】Unity优化 基础知识
目录 Find 和 FindObjectOfType Camera.main 按 ID 寻址 与 UnityEngine.Object 子类进行 Null 比较 矢量和四元数数学以及运算顺序 使用非分 ...
- 凸优化学习:PART1凸集
凸优化学习PART1 一.引言:优化问题简介 优化问题的定义 凸优化是优化的一种,是优化中比较容易的问题.在讲解优化问题前,首先说明什么是优化/数学规划(Optimization/Mathematic ...
最新文章
- oracle与mysql创建表时的区别
- ▲我的css架构理念
- jpa 去重_spring boot jpa 表关联查询分组 group by 去重
- 更优雅的在 Xunit 中使用依赖注入
- AT91RM9200Linux移植笔记(三)-移植Linux kernel 2.6.17
- WIN7 Activation,完美激活Windows 7,开机无字符,无OEM信息
- MIT Molecular Biology 笔记1 DNA的复制,染色体组装
- 解决0x00000FD:Stack overflow(参数:0x00000000,0x002F2000)栈溢出问题
- Vue Cli3 模拟后台json接口
- SSH基础----【超级干货】Spring常用注解用法汇总(附DEMO)
- 远程桌面退出后CPU过高的问题
- 同步六进制加法计数电路(D触发器)
- [NCTF 2018]签到题
- vue+openlayer实现选房平面图
- Linux Ubuntu20.04安装RTL8156网卡驱动开启巨型帧
- 最好用的项目流程管理工具 OmniPlan Pro 4.3.2 Mac版(内附安装包链接)
- Android 调试您的应用
- 数学基础:斜率、正切与 math.tan()
- hutool的 DateUtil工具类相关方法
- 走进“开源SDR实验室” 一起玩转GNU Radio:gr-analog
热门文章
- 霜降后,宝宝穿衣要做到三捂两不捂
- 运动神经元病是怎么回事?
- 台式机创建文件服务器,如何将台式机做成云存储服务器
- c语言编程仓鼠吃豆子,动态规划之仓鼠吃豆子 - osc_8quu62cg的个人空间 - OSCHINA - 中文开源技术交流社区...
- 2019.10.29
- 阿里云EMAS移动测试|快速掌握移动端兼容性测试技巧
- Photon与Unity核心技术之角色更换武器
- CSP模测(一)A卷
- dedecms源码分析(第一部分)
- 计算机某浏览器设置主页地址,如何查看电脑中的浏览器主页是被什么软件修改的...