12 2021 档案
摘要：对偶问题的出现 这里主要介绍约束优化问题的对偶形式，要说为什么出现对偶可能是因为原问题的对偶问题一定是凸规划。 约束优化问题的一般形式： $$ \begin{matrix} min f(x)\ s.t. g_i(x)\geqslant 0, i=1,...,m)\ h_j(x)=0, j=2,...
阅读全文
摘要：回顾 前边内容主要总结了无约束优化问题的求解步骤，即如何找一个函数的极大值，其中凸函数具备的良好性质保证局部最优解是全局最优解。一般通过最速下降法、牛顿法、共轭梯度法进行求解（针对这些方法的不足也有很多改进）。接下来主要总结在定义域有约束时，函数的优化问题。 约束优化问题 数学模型 优化目标为：\(
阅读全文
摘要：故事继续从选定方向的选定步长讲起 首先是下降最快的方向 -- 负梯度方向衍生出来的最速下降法 最速下降法 顾名思义，选择最快下降。包含两层意思：选择下降最快的方向，在这一方向上寻找最好的步长。到达后在下一个点重复该步骤。定方向 选步长 前进... 优化问题的模型： 其中
阅读全文
摘要：本篇是对自己学习《最优化方法》的一些脉络、思路的记载，夹杂自己的一点点思考。 之前讲到求函数的局部最优，凸函数则为全局最优的基本判别条件（参见之前的最优化方法课程总结一）。知道基本原理后，自然要实际操作计算。本篇主要是对解决思路的概述和一些方法的介绍 优化问题的求解概述 一般求解方法有解析法、图解法
阅读全文
