- 凸优化教程
- 首页
- 引言
- 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
- 凸函数与凹函数
- Jensen不等式
- 可微凸函数
- 全局最优的充分条件与必要条件
- 拟凸函数与拟凹函数
- 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
伪凸函数
设$f:S\rightarrow \mathbb{R}$是一个可微函数,S是$\mathbb{R}^n$中的一个非空凸集,则如果对于每个$x_1,x_2 \in S$,当$\bigtriangledown f\left ( x_1 \right )^T\left ( x_2-x_1 \right )\geq 0$时,有$f\left ( x_2 \right )\geq f\left ( x_1 \right )$,或者等价地,如果$f\left ( x_1 \right )>f\left ( x_2 \right )$,则$\bigtriangledown f\left ( x_1 \right )^T\left ( x_2-x_1 \right )<0$,则称f为伪凸函数。
伪凹函数
设$f:S\rightarrow \mathbb{R}$是一个可微函数,S是$\mathbb{R}^n$中的一个非空凸集,则如果对于每个$x_1, x_2 \in S$,当$\bigtriangledown f\left ( x_1 \right )^T\left ( x_2-x_1 \right )\geq 0$时,有$f\left ( x_2 \right )\leq f\left ( x_1 \right )$,或者等价地,如果$f\left ( x_1 \right )>f\left ( x_2 \right )$,则$\bigtriangledown f\left ( x_1 \right )^T\left ( x_2-x_1 \right )>0$,则称f为伪凹函数。
备注
如果一个函数既是伪凸函数又是伪凹函数,则称其为伪线性函数。
可微凸函数也是伪凸函数。
伪凸函数不一定是凸函数。例如:
$f\left ( x \right )=x+x^3$不是凸函数。如果$x_1 \leq x_2,x_{1}^{3} \leq x_{2}^{3}$
则,$\bigtriangledown f\left ( x_1 \right )^T\left ( x_2-x_1 \right )=\left ( 1+3x_{1}^{2} \right )\left ( x_2-x_1 \right ) \geq 0$
并且,$f\left ( x_2 \right )-f\left ( x_1 \right )=\left ( x_2-x_1 \right )+\left ( x_{2}^{3} -x_{1}^{3}\right )\geq 0$
$\Rightarrow f\left ( x_2 \right )\geq f\left ( x_1 \right ) $
因此,它是伪凸函数。
伪凸函数是严格拟凸函数。因此,伪凸函数的每一个局部极小值也是全局极小值。
严格伪凸函数
设$f:S\rightarrow \mathbb{R}$是一个可微函数,S是$\mathbb{R}^n$中的一个非空凸集,则如果对于每个$x_1,x_2 \in S$,当$\bigtriangledown f\left ( x_1 \right )^T\left ( x_2-x_1 \right )\geq 0$时,有$f\left ( x_2 \right )> f\left ( x_1 \right )$,或者等价地,如果$f\left ( x_1 \right )\geq f\left ( x_2 \right )$,则$\bigtriangledown f\left ( x_1 \right )^T\left ( x_2-x_1 \right )<0$,则称f为严格伪凸函数。
定理
设f是一个伪凸函数,并且假设对于某个$\hat{x} \in S$,$\bigtriangledown f\left ( \hat{x}\right )=0$,则$\hat{x}$是f在S上的全局最优解。
证明
设$\hat{x}$是f的临界点,即$\bigtriangledown f\left ( \hat{x}\right )=0$
由于f是伪凸函数,对于$x \in S$,我们有
$$\bigtriangledown f\left ( \hat{x}\right )\left ( x-\hat{x}\right )=0 \Rightarrow f\left ( \hat{x}\right )\leq f\left ( x\right ), \forall x \in S$$
因此,$\hat{x}$是全局最优解。
备注
如果f是严格伪凸函数,则$\hat{x}$是唯一的全局最优解。
定理
如果f是在S上可微的伪凸函数,则f既是严格拟凸函数又是拟凸函数。
备注
在$\mathbb{R}^n$的开集S上定义的两个伪凸函数之和可能不是伪凸函数。
设$f:S\rightarrow \mathbb{R}$是一个拟凸函数,S是$\mathbb{R}^n$的非空凸子集,则f是伪凸函数当且仅当每个临界点都是f在S上的全局极小值。
设S是$\mathbb{R}^n$的非空凸子集,$f:S\rightarrow \mathbb{R}$是一个函数,使得对于每个$x \in S$,$\bigtriangledown f\left ( x\right )\neq 0$,则f是伪凸函数当且仅当它是一个拟凸函数。