Konvexe Optimierung

Konvexe Optimierung ist ein Teilgebiet der mathematischen Optimierung, das sich mit dem Problem der Minimierung konvexer Funktionen über konvexe Mengen befasst. Formalisiert und popularisiert durch Stephen Boyd und Lieven Vandenberghe in ihrem wegweisenden Lehrbuch von 2004, vereint dieses Framework eine breite Familie von Problemen – einschließlich linearer Programmierung, quadratischer Programmierung, semidefiniter Programmierung und Second-Order-Cone-Programmierung – unter einem einzigen theoretischen Dach. Seine definierende Eigenschaft ist, dass jede lokal optimale Lösung auch global optimal ist, was sie für Ingenieurwesen, Statistik, maschinelles Lernen und Operations Research handhabbar und zuverlässig macht.