📅  最后修改于: 2020-11-25 04:55:41        🧑  作者: Mango

考虑问题-$ min \：f \ left(x \ right)$使得$ x \ in X $，其中X是$ \ mathbb {R} ^ n $和$ g_i \ left(x \ right)\ leq中的开放集0，i = 1，2，…，m $设$ S = \ left \ {x \ in X：g_i \ left(x \ right)\ leq 0，\ forall i \ right \} $令...

📅  最后修改于: 2020-11-25 04:56:00        🧑  作者: Mango

最陡下降法该方法也称为梯度法或柯西法。此方法涉及以下术语-$$ x_ {k + 1} = x_k + \ alpha_kd_k $$$ d_k =-\ bigtriangledown f \ left(x_k \ right)$或$ d_k =-\ frac {\ bigtriangledown f \ left(x_k \ right)} {\ left \ | \ bigtriangledow...

📅  最后修改于: 2020-11-25 04:56:15        🧑  作者: Mango

以下资源包含有关凸优化的其他信息。请使用它们来获得有关此方面的更深入的知识。凸优化的有用链接凸优化Wiki-凸优化的Wikipedia参考。关于凸优化的有用书籍要在此页面上注册您的网站，请发送电子邮件至...

📅  最后修改于: 2020-11-25 04:56:28        🧑  作者: Mango

本教程将介绍非线性优化中涉及的各种概念。线性编程问题很容易解决，但是大多数实际应用都涉及非线性边界。因此，线性规划的范围非常有限。因此，尝试引入诸如凸函数和集合及其变体之类的主题，这些主题可用于解决大多数世俗的问题。...