中科大-凸优化笔记（lec41）-可微凸优化问题的罚函数形式

最新推荐文章于 2024-08-13 08:35:07 发布

原创

最新推荐文章于 2024-08-13 08:35:07 发布 · 1.2k 阅读

1 ·

CC 4.0 BY-SA版权

这篇博客是中科大凸优化课程的笔记，主要讨论了带线性不等式约束的可微凸优化问题。通过罚函数形式，解释了如何处理这类问题。文章中举例说明了如何利用罚函数L(x, v) = f0(x) + vT(Ax - b)，并介绍了优化目标P*与罚参数α的关系，展示了当α从0变化到正无穷时，解的变化情况。" 109700957,7405643,深入理解Spring Bean的导入机制,"['Spring框架', 'Bean管理', 'XML配置', '注解编程']

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

全部笔记的汇总贴（视频也有传送门）：中科大-凸优化

在这里插入图片描述

例：

在这里插入图片描述

$\Rightarrow L(x,v)=f_0(x)+v^T(Ax-b)\\\Rightarrow g(v)=\inf_x\{f_0(x)+v^T(Ax-b)\}\;\;\;v=\alpha(A\tilde x-b)\\g(\alpha(A\tilde x-b))=\inf_x\{f_0(x)+\alpha(A\tilde x-b)^T(A\tilde x-b)\}\\=f_0(\tilde x)+\alpha||A\tilde x-b||^2_2\\\;\\f_0(x^*)=P^*=d^*\ge g(\alpha(A\tilde x-b))=f_0(\tilde x)+\alpha||A\tilde x-b||_2^2\ge f_0(\tilde x)\\当\alpha=0时，\argmax f_0(x)\\当\alpha\rightarrow+\infty时，f(x^*)=f(\tilde x)$