Ottimizzazione Convessa
L'ottimizzazione convessa è un sottocampo dell'ottimizzazione matematica che studia il problema della minimizzazione di funzioni convesse su insiemi convessi. Formalizzato e reso popolare da Stephen Boyd e Lieven Vandenberghe nel loro fondamentale libro di testo del 2004, il framework unifica un'ampia famiglia di problemi — tra cui programmazione lineare, programmazione quadratica, programmazione semidefinita e programmazione con cono del secondo ordine — sotto un unico tetto teorico. La sua proprietà distintiva è che qualsiasi soluzione localmente ottima è anche globalmente ottima, rendendola trattabile e affidabile per ingegneria, statistica, machine learning e ricerca operativa.
Leggi il metodo completo
Accedi con un account gratuito per leggere questa sezione.
Method map
The neighbourhood of related methods — select a node to explore.
Fonti
- Boyd, S., & Vandenberghe, L. (2004). Convex Optimization. Cambridge University Press. ISBN: 978-0-521-83378-3
Come citare questa pagina
ScholarGate. (2026, June 2). Convex Optimization. ScholarGate. https://scholargate.app/it/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.
- Programmazione LineareOttimizzazione↔ compare
- Programmazione non lineareOttimizzazione↔ compare
- Ottimizzazione RobustaOttimizzazione↔ compare
Citato da
Hai notato un problema in questa pagina? Segnalalo o proponi una correzione →