凸函数优化的区别

时间:2018-02-27 12:13:09

标签: optimization convex-optimization non-convex

我正在寻找解决以下优化问题的方法或想法:

min f( x

s.t。 g(xi,yi)< = f( x ),i = 1,...,n

其中 x y R ^ n中的变量。 f( x )是关于 x 的凸函数。 g(xi,yi)是关于(xi,yi)的一串凸函数。

由于约束的DC结构,凸函数(DC)优化的差异是问题。由于我对DC编程很陌生,我希望了解DC程序的全局最优性条件以及全局优化的有效和流行的方法。

在我的具体问题中,已经证实,对于i = 1,...,n,必要的最优性条件是g(xi *,yi *)= f( x * )。

任何想法或解决方案都将不胜感激,谢谢。

1 个答案:

答案 0 :(得分:0)

对于全局方法,我建议研究“分支和边界”,“分支和切割”和“切割平面”方法。尽管根据问题的大小,这些方法可能会非常慢。这是因为它是非凸的。对于此问题,很难获得用于全局优化的有效算法。

对于局部方法,请研究凹凸面过程。实际上,任何启发式方法都可以起作用。