- 凸优化教程
- 主页
- 简介
- 线性规划
- 规范
- 内积
- 最小值和最大值
- 凸集
- 仿射集
- 凸包
- 卡拉西奥多里定理
- 魏尔斯特拉斯定理
- 最接近点定理
- 基本分离定理
- 凸锥
- 极锥
- 锥形组合
- 多面体集
- 凸集的极值点
- 方向
- 凸函数和凹函数
- 詹森不等式
- 可微凸函数
- 全局最优值的充要条件
- 准凸函数与准凹函数
- 可微准凸函数
- 严格准凸函数
- 强准凸函数
- 拟凸函数
- 凸规划问题
- 弗里茨-约翰条件
- 卡鲁什-库恩-塔克最优必要条件
- 凸问题的算法
- 凸优化资源
- 凸优化 - 快速指南
- 凸优化 - 资源
- 凸优化 - 讨论
凸优化 - 锥形组合
形式为 $\alpha_1x_1+\alpha_2x_2+....+\alpha_nx_n$ 的点,其中 $\alpha_1,\alpha_2,...,\alpha_n\geq 0$,称为 $x_1,x_2,...,x_n$ 的锥形组合。
如果 $x_i$ 在凸锥 C 中,则 $x_i$ 的锥形组合也在 C 中。
如果集合 C 包含其所有元素的锥形组合,则 C 为凸锥。
锥形包
锥形包定义为给定集合 S 所有锥形组合的集合,表示为 coni(S)。
因此,$coni\left ( S \right )=\left \{ \displaystyle\sum\limits_{i=1}^k \lambda_ix_i:x_i \in S,\lambda_i\in \mathbb{R}, \lambda_i\geq 0,i=1,2,...\right \}$
- 锥形包是一个凸集。
- 原点始终属于锥形包。
广告