最优化方法：凸分析与凸函数.ppt

最优化方法：凸分析与凸函数 凸分析是数学优化方法中的一种重要工具，用于研究凸集和凸函数的性质。凸集是指满足某些特定条件的点的集合，而凸函数是指定义域为凸集的函数。 2.1 凸集 凸集是指满足以下条件的点的集合： 1. 对任意两点 x 和 y 及每个实数 λ ∈ [0, 1]，都有 λx + (1 - λ)y ∈ S。 2. 集合 S 是闭集。 满足上述条件的集合 S 称为凸集。例如，欧氏空间中的一个球面是凸集。 2.2 凸函数 凸函数是指定义域为凸集的函数。凸函数满足以下条件： 1. 对任意两点 x 和 y 及每个实数 λ ∈ [0, 1]，都有 f(λx + (1 - λ)y) ≤ λf(x) + (1 - λ)f(y)。 2. 函数 f 是闭函数。 满足上述条件的函数 f 称为凸函数。例如，f(x) = x^2 是一个凸函数。 2.3 凸组合 凸组合是指满足以下条件的点的集合： 1. 对任意有限个元素的凸组合，都是凸集。 2. 集合 S 是凸集。 满足上述条件的集合 S 称为凸组合。例如，一个凸多面体的顶点集合是凸组合。 2.4 凸锥 凸锥是指满足以下条件的点的集合： 1. 对任意非负数 λ，集合 λS 都是凸集。 2. 集合 S 是凸集。 满足上述条件的集合 S 称为凸锥。例如，一个凸锥可以是多面体的顶点集合。 2.5 极点 极点是指满足以下条件的点： 1. 点 x 不能表示成两个不同点的凸组合。 满足上述条件的点 x 称为极点。例如，在一个凸多面体中，顶点是极点。 2.6 回收方向 回收方向是指满足以下条件的方向： 1. 对每一 x ∈ S，R(x, d) = {x + λd | λ ≥ 0} ⊆ S。 满足上述条件的方向 d 称为回收方向。例如，在一个凸多面体中，顶点的方向是回收方向。 本文介绍了最优化方法中的一些基本概念，如凸集、凸函数、凸组合、凸锥、极点和回收方向。这些概念在数学优化方法中扮演着重要的角色，用于解决各种优化问题。