凸优化和非凸优化的区别
数学中最优化问题的一般表述是求取 ,使 ,其中 是n维向量, 是 的可行域, 是 上的实值函数。 凸优化 问题 是指 是 闭合的凸集 且 是 上的 凸函数 的最优化问题,这两个条件任一不满足则该问题即为 非凸的最优化问题 。 其中, 是 凸集 是指对集合中的任意两点 ,有 ,即任意两点的连线段都在集合内,直观上就是集合不会像下图那样有“凹下去”的部分。至于闭合的凸集,则涉及到闭集的定义,而闭集的定义又基于开集,比较抽象,不赘述,这里可以简单地认为闭合的凸集是指包含有所有边界点的凸集。 注意 :中国大陆数学界某些机构关于函数凹凸性定义和国外的定义是相反的。Convex Function在某些中国大陆的数学书中指凹函数。Concave Function指凸函数。但在中国大陆涉及经济学的很多书中,凹凸性的提法和其他国家的提法是一致的,也就是和数学教材是反的。举个例子,同济大学高等数学教材对函数的凹凸性定义与本条目相反,本条目的凹凸性是指其上方图是凹集或凸集,而同济大学高等数学教材则是指其下方图是凹集或凸集,两者定义正好相反。 为什么要求是凸函数呢?因为如果是下图这样的函数,则无法获得全局最优解。 为什么要求是凸集呢?因为如果可行域不是凸集,也会导致局部最优 实际建模中判断一个最优化问题是不是凸优化问题一般看以下几点: 目标函数 如果不是凸函数,则不是凸优化问题 决策变量 中包含离散变量