Konveks optimering
Konveks optimering er et underfelt av matematisk optimering som studerer problemet med å minimere konvekse funksjoner over konvekse mengder. Rammeverket, formalisert og popularisert av Stephen Boyd og Lieven Vandenberghe i deres landemerke-lærebok fra 2004, forener en bred familie av problemer – inkludert lineær programmering, kvadratisk programmering, semidefinit programmering og andreordens kjegleprogrammering – under ett teoretisk tak. Dens definerende egenskap er at enhver lokalt optimal løsning også er globalt optimal, noe som gjør den håndterbar og pålitelig for ingeniørvitenskap, statistikk, maskinlæring og operasjonsanalyse.
Les hele metoden
Logg inn med en gratis konto for å lese denne delen.
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
Slik siterer du denne siden
ScholarGate. (2026, June 2). Convex Optimization. ScholarGate. https://scholargate.app/no/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.
- Linear ProgrammingOptimering↔ compare
- Ikke-lineær programmeringOptimering↔ compare
- Robust optimeringOptimering↔ compare
Referert av
Funnet en feil på denne siden? Rapporter eller foreslå en rettelse →