Convexe optimalisatie
Convexe optimalisatie is een deelgebied van wiskundige optimalisatie dat het probleem bestudeert van het minimaliseren van convexe functies over convexe verzamelingen. Het raamwerk, geformaliseerd en gepopulariseerd door Stephen Boyd en Lieven Vandenberghe in hun baanbrekende handboek uit 2004, verenigt een brede familie van problemen – waaronder lineaire programmering, kwadratische programmering, semidefiniete programmering en tweede-orde kegelprogrammering – onder één theoretisch dak. De definiërende eigenschap is dat elke lokaal optimale oplossing ook globaal optimaal is, wat het hanteerbaar en betrouwbaar maakt voor engineering, statistiek, machine learning en operationeel onderzoek.
Lees de volledige methode
Log in met een gratis account om dit onderdeel te lezen.
Method map
The neighbourhood of related methods — select a node to explore.
Bronnen
- Boyd, S., & Vandenberghe, L. (2004). Convex Optimization. Cambridge University Press. ISBN: 978-0-521-83378-3
Deze pagina citeren
ScholarGate. (2026, June 2). Convex Optimization. ScholarGate. https://scholargate.app/nl/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.
- Lineaire programmeringOptimalisatie↔ compare
- Nietlineaire ProgrammeringOptimalisatie↔ compare
- Robuuste OptimalisatieOptimalisatie↔ compare
Geciteerd door
Een fout op deze pagina gezien? Meld het of stel een correctie voor →