20.共轭函数
21.凸优化
优化问题的基本形式
告诉几个等式约束求最值
局部最优问题
22.非凸优化问题的变形
23.对偶问题
24.Lagrange对偶函数(dual function)
Lagrange 对偶函数
若没有下确界,定义:
根据定义,显然有:对∀λ>0,∀v,若原优化问题有最优值p*,则
进一步:Lagrange对偶函数为凹函数。(任何一个凸函数加上一个负号就是一个凹函数)
求原函数的最小值,可以转化为求对偶函数的最大值(左侧取值后对应到右侧的图像就是其对偶函数)
25.
本站文章如无特殊说明,均为本站原创,如若转载,请注明出处:机器学习之凸优化基础二 - Python技术站