1. 凸優化問題
對於一般的非線性規劃,若目標函數是凸函數,約束集合 是凸集,則稱該非線性規劃是凸規劃。
若上述約束規劃中只含有不等式約束,又 是凸函數,則約束集 是凸集。
對於混合約束問題,若 是線性函數, 是凸函數,則 是凸集。
定理 4: 凸規劃的局部解必是全局解。
定理 5: 設目標函數 和約束函數 一階連續可微,並且 是線性函數, 是凸函數。若凸規劃的可行點 是K-T點,則 必是全局解。
2. 凸二次規劃問題
一般的約束規劃問題求解非常困難,從下面開始我們將僅討論凸二次規劃問題的求解方法。考慮如下約束優化問題:
其中 爲 對稱矩陣, 爲 維實向量, 爲實數,稱上述問題爲二次規劃(quadratic programming)問題。
如果 爲(正定)半正定矩陣,則稱上述問題爲(嚴格)凸二次規劃(convex quadratic programming)。(嚴格)凸二次規劃問題的局部解均是全局最優解。
定理 6: 是上述凸二次規劃問題的全局最優解得充分必要條件是: 是K-T點,即存在 使得:
定理 7: 若 是上述凸二次規劃的全局最優解,則 是如下等式約束二次規劃問題的全局最優解。
參考資料:約束規劃問題與凸二次規劃