Mikhail Moklyachuk - Convex Optimization

Здесь есть возможность читать онлайн «Mikhail Moklyachuk - Convex Optimization» — ознакомительный отрывок электронной книги совершенно бесплатно, а после прочтения отрывка купить полную версию. В некоторых случаях можно слушать аудио, скачать через торрент в формате fb2 и присутствует краткое содержание. Жанр: unrecognised, на английском языке. Описание произведения, (предисловие) а так же отзывы посетителей доступны на портале библиотеки ЛибКат.

Convex Optimization: краткое содержание, описание и аннотация

Предлагаем к чтению аннотацию, описание, краткое содержание или предисловие (зависит от того, что написал сам автор книги «Convex Optimization»). Если вы не нашли необходимую информацию о книге — напишите в комментариях, мы постараемся отыскать её.

This book provides easy access to the basic principles and methods for solving constrained and unconstrained convex optimization problems. Included are sections that cover: basic methods for solving constrained and unconstrained optimization problems with differentiable objective functions; convex sets and their properties; convex functions and their properties and generalizations; and basic principles of sub-differential calculus and convex programming problems.
provides detailed proofs for most of the results presented in the book and also includes many figures and exercises for a better understanding of the material. Exercises are given at the end of each chapter, with solutions and hints to selected exercises given at the end of the book. Undergraduate and graduate students, researchers in different disciplines, as well as practitioners will all benefit from this accessible approach to convex optimization methods.

Convex Optimization — читать онлайн ознакомительный отрывок

Ниже представлен текст книги, разбитый по страницам. Система сохранения места последней прочитанной страницы, позволяет с удобством читать онлайн бесплатно книгу «Convex Optimization», без необходимости каждый раз заново искать на чём Вы остановились. Поставьте закладку, и сможете в любой момент перейти на страницу, на которой закончили чтение.

Тёмная тема
Сбросить

Интервал:

Закладка:

Сделать

1 1) x1 = 0, x2 = 1, bλ0 + 3λ1 − 2λ2 = 0, λ1 ≥ 0, λ2 ≥ 0, (λ1, λ2) ≠ 0;

2 2) x1 = 0, x2 = −1, bλ0 − 2λ2 = 0, λ1 = 0, λ2 > 0.

Similarly, assuming that x 2= 0, we obtain two other groups of solutions:

1 3) x1 = 1, x2 = 0, aλ0 + 3λ1 − 2λ2 = 0, λ1 ≥ 0, λ2 ≥ 0, (λ1, λ2) ≠ 0;

2 4) x1 = −1, x2 = 0, aλ0 − 2λ2 = 0, λ1 = 0, λ2 > 0.

Assume that x 1≠ 0, x 2≠ 0. Then equations of the system can be presented in the form

If here λ 1 0 then λ 0 0 since a b But then λ 2 0 which contradicts - фото 220

If here λ 1= 0, then λ 0= 0, since ab . But then λ 2= 0, which contradicts the system of conditions. It remains to be assumed that λ 1> 0. Then картинка 221. Given that λ 1≠ 0, λ 2≠ 0, we deduce from this that and therefore λ 2 0 Now we can easily get another group of solutions of the - фото 222, and therefore λ 2= 0. Now we can easily get another group of solutions of the system:

Note that in 1 and 3 the multiplier λ 0can accept both positive and - фото 223

Note that in (1) and (3) the multiplier λ 0can accept both positive and negative values, in (2) and (4) it can accept only positive values and in (5) it can accept only negative values. Therefore, (0, 1) and (1, 0) are stationary points both in the minimization problem and in the maximization problem, (0, –1) and (–1, 0) are stationary points only in the minimization problem, and the point of (5) is the stationary point only in the problem of maximization.

Now we will study the stationary points for optimality. The function f is strongly convex on ℝ 2. Therefore, it reaches the global minimum on any closed set X . We calculate the value of f at the stationary points of the minimization problem:

Since a b hence 10 and 10 are points of the global minimum of the - фото 224

Since a < b , hence (1.0) and (–1.0) are points of the global minimum of the function f on X .

Let us represent the function f in the form

If we move from the points 0 1 and 0 1 remaining on the circle and - фото 225

If we move from the points (0, 1) and (0, –1), remaining on the circle картинка 226, and hence in X , then the value of f will decrease. Consequently, these points are not points of the local minimum f on X . At the same time, for any ε > 0, the point (– ε , 1) belongs to X and f (0, 1) < f (– ε , 1). Therefore, the point (0, 1) is not a point of the local maximum f on X . Consequently, the stationary points (0, 1) and (0, –1) are not solutions of the problem.

We now consider the matrix of the second derivatives of the Lagrangian function:

Convex Optimization - изображение 227

For values with (5), this matrix is as follows:

Convex Optimization - изображение 228

Since λ 0< 0, this matrix is positive definite. Sufficient conditions for the minimum are fulfilled. Consequently, ( картинка 229, Convex Optimization - изображение 230) is the point of the strict local minimum of f on X .

Answer . Convex Optimization - изображение 231∈ absmin, Convex Optimization - изображение 232∈ absmin, absmax Δ 15 Exercises Let us solve the following optimization problems - фото 233∈ absmax. Δ

1.5. Exercises

Let us solve the following optimization problems.

1 1) f(x, y) = x4 + y4 − 4xy → extr.

2 2) f(x, y) = ae−x + be−y + ln(ex + ey) → extr.

3 3) f(x, y) = (x + y)(x − a)(y − b) → extr.

4 4) f(x, y) = x2 − 2xy2 + y4 − y5 → extr.

5 5) f(x, y) = x + y + 4 sin (x) sin (y) → extr.

6 6) f(x, y) = xex − (1 + ex) cos (y) → extr.

7 7) f(x, y) = (x2 + y2)e−(x2 + y2) → extr.

8 8) f(x, y) = xy ln (x2 + y2) → extr.

9 9) .

10 10) f(x, y) = sin (x) sin (y) sin(x + y) → extr, 0 ≤ x ≤ π, 0 ≤ y ≤ π.

11 11) f(x, y) = sin (x) +cos (y) +cos (x − y) → extr, 0 ≤ x ≤ π/2, 0 ≤ y ≤ π/2.

12 12) f(x, y) = x2 + xy + y2 − 4 ln (x) − 10 ln (y) → extr.

13 13) f(x, y) = (5x + 7y − 25)e−(x2 + y2 + xy) → extr.

14 14) f(x, y) = ex2−y (5 − 2x + y) → extr.

15 15) f(x, y) = e2x+3y(8x2 − 6xy + 3y2) → extr.

16 16) .

17 17) .

18 18) .

19 19) f(x, y) = 2x4 + y4 − x2 − 2y2 → extr.

20 20) f(x, y) = x2 − xy + y2 − 2x + y → extr.

21 21) f(x, y) = xy + 50/x + 20/y → extr.

22 22) f(x, y) = x2 − y2 − 4x + 6y → extr.

23 23) f(x, y) = 5x2 + 4xy + y2 − 16x − 12y → extr.

24 24) f(x, y) = 3x2 + 4xy + y2 − 8x − 12y → extr.

25 25) f(x, y) = 3xy − x2y − xy2 → extr.

26 26) f(x, y, z) = x2 + y2 + z2 − xy + x − 2z → extr.

27 27) f(x, y, z) = x2 + 2y2 + 5z2 − 2xy − 4yz − 2z → extr.

28 28) f(x, y, z) = xy2z3(a − x − 2y − 3z) → extr, a > 0.

29 29) f(x, y, z) = x3 + y2 + z2 + 12xy + 2z → extr, x > 0, y > 0, z > 0.

30 30) f(x, y, z) = x + y2/4x + z2/y + 2/z → extr.

31 31) f(x, y, z) = x2 + y2 + z2 + 2x + 4y − 6z → extr.

32 32) f(x, y) = y → extr, x3 + y3 − 3xy = 0.

33 33) f(x, y) = x3 + y3 → extr, ax + by = 1, a > 0, b > 0.

34 34) f(x, y) = x3/3 + y → extr, x2 + y2 = a, a > 0.

35 35) f(x, y) = x sin (y) → extr, 3x2 − 4 cos (y) = 1.

36 36) f(x, y) = x/a + y/b → extr, x2 + y2 = 1.

37 37) f(x, y) = x2 + y2 → extr, x/a + y/b = 1.

38 38) f(x, y) = Ax2 + 2Bxy + Cy2 → extr, x2 + y2 = 1.

39 39) f(x, y) = x2 + 12xy + 2y2 → extr, 4x2 + y2 = 25.

40 40) f(x, y) = cos2 (x) + cos2 (y) → extr, x − y = π/4.

41 41) f(x, y) = x/2 + y/3 → extr, x2 + y2 = 1.

42 42) f(x, y) = x2 + y2 → extr, 3x + 4y = 1.

43 43) f(x, y) = exy → extr, x + y = 1.

44 44) f(x, y) = 5x2 + 4xy + y2 → extr, x + y = 1.

45 45) f(x, y) = 3x2 + 4xy + y2 → extr, x + y = 1.

46 46) f(x, y, z) = xy2z3 → extr, x + y + z = 1.

47 47) f(x, y, z) = xyz → extr, x2 + y2 + z2 = 1, x + y + z = 0.

Читать дальше
Тёмная тема
Сбросить

Интервал:

Закладка:

Сделать

Похожие книги на «Convex Optimization»

Представляем Вашему вниманию похожие книги на «Convex Optimization» списком для выбора. Мы отобрали схожую по названию и смыслу литературу в надежде предоставить читателям больше вариантов отыскать новые, интересные, ещё непрочитанные произведения.


Отзывы о книге «Convex Optimization»

Обсуждение, отзывы о книге «Convex Optimization» и просто собственные мнения читателей. Оставьте ваши комментарии, напишите, что Вы думаете о произведении, его смысле или главных героях. Укажите что конкретно понравилось, а что нет, и почему Вы так считаете.

x