Konveks optimering
Konveks optimering er et delfelt inden for matematisk optimering, der studerer problemet med at minimere konvekse funktioner over konvekse mængder. Formaliseret og populariseret af Stephen Boyd og Lieven Vandenberghe i deres skelsættende lærebog fra 2004, forener rammeværket en bred familie af problemer — herunder lineær programmering, kvadratisk programmering, semidefinit programmering og andenordens kegleprogrammering — under ét teoretisk tag. Dens definerende egenskab er, at enhver lokalt optimal løsning også er globalt optimal, hvilket gør den håndterbar og pålidelig inden for ingeniørvidenskab, statistik, maskinlæring og operationsanalyse.
Læs hele metoden
Log ind med en gratis konto for at læse dette afsnit.
Method map
The neighbourhood of related methods — select a node to explore.
Kilder
- Boyd, S., & Vandenberghe, L. (2004). Convex Optimization. Cambridge University Press. ISBN: 978-0-521-83378-3
Sådan citerer du denne side
ScholarGate. (2026, June 2). Convex Optimization. ScholarGate. https://scholargate.app/da/optimization/convex-optimization
Which method?
Set this method beside its closest kin and read them side by side — the library lays the books on the table; the choice is yours.
- Lineær programmeringOptimering↔ compare
- Ikke-lineær programmeringOptimering↔ compare
- Robust optimeringOptimering↔ compare
Refereret af
Har du fundet en fejl på denne side? Indberet den eller foreslå en rettelse →