zoukankan      html  css  js  c++  java
  • 凸优化 & 1概念

    ---恢复内容开始---

    放射集合 系数之和为1 相加仍然能在集合内,就是 纺射集合 子空间加一个常熟 就是纺射集合 , 例题2.1 一类特殊的线性方程组的解可以看作纺射 集合

    纺射包 aff C
    是由集合C中所有店组成的仿射组合

    定义集合C的维度为其纺射包的位数,

    特例 : R2上的单位元 纺射包 是全空间R 维度为2 但是一般来说 单位元还的维度是1

    如果以一个集合 C的仿设纬度小于n
    称 集合C的相对内部为aff C的内部
    记为relint

    例题2.2
    考虑 R3中的处于(x1,x2)平面的一个正方形

    C= 一个上述正方形
    其纺射包是一个平面,但是内部为空,相对内部不为空

    C的边界是自身,但是相对边界是其边框(相对边界对应相对内部)

    2.1.4 凸集##

    集合C被称为凸集,当C中元素 加和为1(但都为正数时)还在 C集内 称为凸集

    集合C中所有点的凸组合称为凸包
    记为conv C

    凸组合的概念可以扩展到无线级数,积分和大多数形式的概况v分布

    级数扩展:
    无穷级数系数之和为1, x1 x2 x3 等等都属于凸集内的点,
    如果收敛 并且和也在凸集内,就说 视野更凸集

    积分扩展:
    系数在C上的积分等于1;
    系数*x 的积分结果仍然在集合内

    概率扩展(最一般的情况):
    C 属于Rn 是凸集, x是随机变量,
    x 属于 C 的概率是1
    那么 Ex 属于C
    事实上 这里的形式包含了上述的特殊情况,
    举例: 如果x 是两点分布, 就回退到了两个点的简单的凸组合

    2.1.5 锥##

    系数为正即可(非负的线性组合)

    集合C的锥包 是C中严肃 的所有锥组合的集合

    2.2 重要的例子##

    • 空集,任意一个点 , 全空间Rn 都是Rn 的纺射子集
    • 任意直线是仿射的。如果直线通过零点,那就成为了自空间, 也是凸锥
    • 一条射线 是凸的 但不是仿射的
    • 任意子空间是纺射的 凸锥

    2.2.1 超平面与半空间##

    超平面是关于x的非平凡线性方程的解空间( 因为是一个仿设集合)

    几何上 超平面可以解释为与给定向量的内积为常数的点的集合
    也可以堪称是 法线防线为a 的超平面, 而常数b 决定了这个平面从原点的偏移
    我们甚至可以写成
    {x| a^T(x-x0)=0}=x0+a的正交补

    一个超平面将Rn 划分为两个半空间(闭的)
    半空间是凸的但是不仿射的

    开半空间 定义如其名

    2.2.2 球和椭球##

    Euclid 球 简称球
    就是说 Ecuild 范数的意思
    球是 凸集


    以上需要一点矩阵知识

    2.2.3 范数球和范数锥##


    Rn 中的范数

    附A.1.2

    非负
    正定
    齐次
    满足三角不等式
    例子说明

    二阶锥的实例 冰淇凌锥

    2.2.4 多面体##

    多面体是 有限个半空间和超平面的交集

    仿射集合(子空间 超平面, 直线) 涉嫌,线段, 和半空间都是 多面体。
    显而易见,多面体是凸集。

    有界的多面体有时候被称为多胞形

    五个半空间交集定义的多面体
    形式化定义

    简洁的定义如下

    非负象限 具有非负分量的点的集合

    单纯形##

    conv{v0,...,vk} 单纯形
    例题2.5

    k+1 个点 仿射独立 那么单纯形的维数被定义为k
    单位单纯形 是由零向量和单位xiangliang 0, e1,...,en 决定的 n维单纯形。

    单纯形的定义

    从多面体的角度理解单纯形

    首先 单纯形是 满足一定条件点(仿射独立) 的凸包

    采用这种写法 简化
    注意的B 的规格是 nxk 并且秩为k

    不等式的角度##


    因为A1 A2 是随B 确定而确定的矩阵
    所以这是关于x 的线性要求

    多面体的凸包描述##

    一个凸包和一个锥包的并()
    任何一个多面体都可以如此表示

    这个经典的例子说明了,使用不等式和 凸包表示一个多面体 的计算量是完全不同的

    正定锥 与 半正定锥##


    我们认为半正定矩阵是一个凸锥

    以为两个半正定矩阵的 正系数和 仍然是半正定矩阵

    保凸运算##

    交集是保凸的


    有分析 我们同样认识到半正定锥 是凸的

    这种绝对值不等式 由于是两个线性不等式,我们认为他是由无数个平板的交的来 因此是凸的

    事实上 一个闭集S是包含他的所有半空间的交集

    仿射函数##


    说明了仿射函数是 保凸运算

    凸集的和 部分和 是保凸运算

    线性矩阵不等式的解
    这里的矩阵是对称的,我们首先知道这种
    是锥 半正定的 凸的
    于是x 就是一种仿射映射下的原像 于是也是凸的


    双曲锥 的仿射函数 到二阶锥

    线性分式与透视函数##

    ![](https://images2018.cnblogs.com/blog/1054453/201803/1054453-
    20180324110816804-2012974096.png)

    透视函数的原理:小孔成像

    令人印象深刻

    2.4 广义不等式##

    正常锥的定义 凸的 闭的 实的 尖的

  • 相关阅读:
    spring boot 中统一异常处理
    An Errors/BindingResult argument is expected to be declared immediately after the model attribute, the @RequestBody or the @RequestPart arguments to which they apply: public com.rongrong.springboot.de
    SPI(Service Provider Interface)机制
    局域网的路由器&网卡
    Kafka
    限流算法
    生成对抗网络(GAN)
    神经网络
    AR介绍
    NIO的Buffer&Channel&Selector
  • 原文地址:https://www.cnblogs.com/sfzyk/p/8588573.html
Copyright © 2011-2022 走看看