- 凸优化教程
- 首页
- 介绍
- 线性规划
- 范数
- 内积
- 极小值和极大值
- 凸集
- 仿射集
- 凸包
- Caratheodory定理
- Weierstrass定理
- 最近点定理
- 基本分离定理
- 凸锥
- 极锥
- 锥组合
- 多面体集
- 凸集的极点
- 方向
- 凸函数和凹函数
- Jensen不等式
- 可微凸函数
- 全局最优的充分条件和必要条件
- 拟凸函数和拟凹函数
- 可微拟凸函数
- 严格拟凸函数
- 强拟凸函数
- 伪凸函数
- 凸规划问题
- Fritz-John条件
- Karush-Kuhn-Tucker最优性必要条件
- 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 - 极小值和极大值
局部极小值或极小点
如果$\forall x \in N_\varepsilon \left ( \bar{x} \right )$,$f\left ( \bar{x} \right )\leq f\left ( x \right )$,则称$\bar{x}\in \:S$为函数$f$的局部极小点,其中$N_\varepsilon \left ( \bar{x} \right )$表示$\bar{x}$的邻域,即$N_\varepsilon \left ( \bar{x} \right )$表示$\left \| x-\bar{x} \right \|< \varepsilon$
局部极大值或极大点
如果$\forall x \in N_\varepsilon \left ( \bar{x} \right )$,$f\left ( \bar{x} \right )\geq f\left ( x \right )$,则称$\bar{x}\in \:S$为函数$f$的局部极大点,其中$N_\varepsilon \left ( \bar{x} \right )$表示$\bar{x}$的邻域,即$N_\varepsilon \left ( \bar{x} \right )$表示$\left \| x-\bar{x} \right \|< \varepsilon$
全局极小值
如果$\forall x \in S$,$f\left ( \bar{x} \right )\leq f\left ( x \right )$,则称$\bar{x}\in \:S$为函数$f$的全局极小点
全局极大值
如果$\forall x \in S$,$f\left ( \bar{x} \right )\geq f\left ( x \right )$,则称$\bar{x}\in \:S$为函数$f$的全局极大点
示例
步骤1 - 求函数$f\left ( \bar{x} \right )=\left | x^2-4 \right |$的局部极小值和局部极大值
解 -
从上图可以看出,局部极小值出现在$x= \pm 2$,局部极大值出现在$x = 0$
步骤2 - 求函数$f\left (x \right )=\left | 4x^3-3x^2+7 \right |$的全局极小值
解 -
从上图可以看出,全局极小值出现在$x=-1$。