• 基于各种迭代算法的无约束优化

    [toc] 一、牛顿法 1.1 原理及公式 原理:对原始高维泰勒二阶展开用二阶近似,利用满足一阶必要条件解得一阶的极小点,类似于梯度法可得迭代公...

  • 凸优化入门

    一、基本定义、性质和定理 凸集:任意凸集中的两点,他们的之间的线段也在该凸集中。举例:凸组合:非负加权平均性质:一个集合为凸集的充要条件是集合中...

  • 基于迭代法的高维无约束优化

    一、基本定义、性质和定理 1.1 水平集 / 等值线 1.2 高维函数一阶可微定义: ,那么称在可微。即,且就是关于各变量的一阶偏导数组成的向量...

  • 基于迭代法的无约束优化方法(一维)

    一、基本定义、定理和性质 泰勒公式 为极值点的必要条件:,满足该条件的点叫做驻点。 二、各种迭代算法 目的:寻找一阶导数为0的点,因此可以用作求...

  • 基于区间压缩的无约束优化方法

    问题形式: 一、基本定义和概念 单峰函数:在上存在唯一局部极小点的函数。性质1.1.1:对于单峰函数(以下都以局部极小点为例)的搜索区间,在搜索...

  • 绪论

    一、基本定义、定理 一般形式、向量形式 包含: 变量 目标函数无约束优化中目标函数的选取:最小化二次损失函数使得误差最小。 不等式约束 等式约束...

个人介绍
人事和天命安放好了,心就安了