概述
凸优化,或叫做凸最优化,凸最小化,是数学最优化的一个子领域,研究定义于凸集中的凸函数最小化的问题。凸优化在某种意义上说较一般情形的数学最优化问题要简单,譬如在凸优化中局部最优值必定是全局最优值。
下一个并不严谨的定义,凸优化就是在标准优化问题的范畴内,要求目标函数和约束函数是凸函数的一类优化问题。
可以说,机器学习几乎所有算法都会涉及到凸优化理论,即使是一个非凸优化问题,可以通过数学的等价变换编程一个凸优化问题进行解决。
一旦我们将一个问题转换成或者说表示成了凸优化,这个问题就已经得到了解决。可以见得,凸优化在数学领域,是如此的重要,同时在机器学习里面,他也是一个具有成熟求解方法的问题,而其他优化问题未必。
推荐书籍:《凸优化》(Stephen Boyd著,王书宁等译)
凸优化的基本体系
凸优化知识体系主要由以下几个组成:
- 凸集: 定义目标函数和约束函数的定义域。
- 凸函数: 定义优化相关函数的限制。
- 凸优化: 中心内容的标准描述。
- 凸优化问题求解: 本文的重点,相关算法。
- 对偶问题: 将一般问题转换为凸优化问题的有效手段,求解凸优化问题的有效方法。
标准优化问题
标准优化问题例如下式:
表示在所有满足的中找出使最小的。
这里,,函数称为目标函数,相应的成为不等式约束,方程组称为等式约束。假设则称为无约束问题。
对目标和所有约束函数有定义点的集合(定义域)
凸优化问题
这里面,是一个凸函数,这种优化问题就称为凸优化问题。
对比标准优化问题,也就是说,目标函数和不等式约束为凸函数,等是约束是仿射函数的优化问题就是凸优化问题。
睡觉啦,明天更新
Reference
《凸优化》——Stephen Boyd著,王书宁等译
我的掘金:WarrenRyan
我的简书:WarrenRyan
欢迎关注我的博客获得第一时间更新 https://blog.tity.online
我的Github:StevenEco