Loading [MathJax]/jax/output/HTML-CSS/jax.js

严格拟凸函数



f:SRn且S是Rn中的非空凸集,则如果对于每个x1,x2Sf(x1)f(x2),都有f(λx1+(1λ)x2)<max{f(x1),f(x2)},则称f为严格拟凸函数。

备注

  • 每个严格拟凸函数都是严格凸函数。
  • 严格拟凸函数并不意味着拟凸性。
  • 严格拟凸函数可能不是强拟凸函数。
  • 伪凸函数是严格拟凸函数。

定理

f:SRn为严格拟凸函数,S是Rn中的非空凸集。考虑问题:minf(x),xS。如果ˆx是局部最优解,则ˆx是全局最优解。

证明

假设存在ˉxS使得f(ˉx)f(ˆx)

由于ˉx,ˆxS且S是凸集,因此,

λˉx+(1λ)ˆxS,λ(0,1)

由于ˆx是局部极小值,f(ˆx)f(λˉx+(1λ)ˆx),λ(0,δ)

由于f是严格拟凸的。

f(λˉx+(1λ)ˆx)<max{f(ˆx),f(ˉx)}=f(ˆx)

因此,这是一个矛盾。

严格拟凹函数

f:SRn且S是Rn中的非空凸集,则如果对于每个x1,x2Sf(x1)f(x2),都有

$$f\left (\lambda x_1+\left (1-\lambda\right )x_2\right )> min \left \{ f \left (x_1\right ),f\left (x_2\right )\right \}$。

例子

  • f(x)=x22

    这是一个严格拟凸函数,因为如果我们取定义中满足约束的域中的任意两点x1,x2,则有f(λx1+(1λ)x2)<max{f(x1),f(x2)}。因为该函数在负x轴上递减,在正x轴上递增(因为它是一个抛物线)。

  • f(x)=x2

    它不是严格拟凸函数,因为如果我们取x1=1x2=1以及λ=0.5,则f(x1)=1=f(x2),但f(λx1+(1λ)x2)=0。因此它不满足定义中规定的条件。但它是一个拟凹函数,因为如果我们取定义中满足约束的域中的任意两点,则有f(λx1+(1λ)x2)>min{f(x1),f(x2)}。因为该函数在负x轴上递增,在正x轴上递减。

广告