Yann
人工智能、计算机、机器学习、linux、程序员
Convex Optimization-5
上节我们证明了凸问题有一种非常好的性质：局部最优=全局最优，本节的开始，我们先介绍了可微目标函数情况下的最优性，并举了等式约束和仅为非负约束两个例子，在这里我们引出互补条件，此后我们将逐步看到该操作的重要性。本节的重点是介绍一些典型的凸问题，这包括线性规划问题（及其等价形式）、线性分数规划（对这样一种非标准的凸问题我们如何写出他的等价形式，变成一个凸问题）、二次规划问题、二次约束二次规划（QCQP）、岭回归问题、半正定规划、多目标优化问题。
下一节我们将步入凸优化的核心：Duality（对偶性）