文章目录
introduction
概念
- optimization parameters
- 有的书又叫role parameters
- 组合优化基本上就不是凸优化问题
- 计算机领域用的挺多
- 矩阵论和线性规划 作为prequistes需要好好看看
- 把凸函数看作是凹的 是错误的
- 最小二乘还有线性规划都是凸优化问题
- 证明过程需要使用范式的性质进行推导
课程目标
- 识别凸优化
- 将问题转化为凸优化
- 至于求解 会有很多工具 不在本节课讨论范围
- 所以syllabus 第一部分和第二部分的会讲 但是求解算法部分需要自己看看了
解决一个问题的例子
* 可以使用最小二乘 但是会有问题
解出来p一定会有分量时小于0的
可以设定让小于0的p直接等于0 但是这样就不是最有解了
- 可以进一步使用拉格朗日乘子
- 也可以使用线性规划 【也是个凸优化问题哦】
但是不知道能不能解出来
fundamental knowledge
functional analysis 范函分析
范数
向量范数
- 齐次、正定、三角不等式
矩阵范数
linear algebra 线性代数
stochastic process 随机过程
琐碎概念
零范数
并不是标准意义的范数
非0元素的和
无穷范数（切比雪夫范数）
赋范向量空间
向量空间上面可以定义范数的话 就是赋范向量空间
该空间最好的性质就是可度量的
