Konvex optimering
Konvex optimering är ett delområde inom matematisk optimering som studerar problemet att minimera konvexa funktioner över konvexa mängder. Ramverket, som formaliserades och populariserades av Stephen Boyd och Lieven Vandenberghe i deras banbrytande lärobok från 2004, förenar en bred familj av problem – inklusive linjär programmering, kvadratisk programmering, semidefinit programmering och andragradskongruensprogrammering – under ett gemensamt teoretiskt tak. Dess definierande egenskap är att varje lokalt optimal lösning också är globalt optimal, vilket gör det hanterbart och tillförlitligt för ingenjörsvetenskap, statistik, maskininlärning och operationsanalys.
Läs hela metoden
Logga in med ett kostnadsfritt konto för att läsa avsnittet.
Method map
The neighbourhood of related methods — select a node to explore.
Källor
- Boyd, S., & Vandenberghe, L. (2004). Convex Optimization. Cambridge University Press. ISBN: 978-0-521-83378-3
Så citerar du den här sidan
ScholarGate. (2026, June 2). Convex Optimization. ScholarGate. https://scholargate.app/sv/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.
- LinjärprogrammeringOptimering↔ compare
- Icke-linjär programmeringOptimering↔ compare
- Robust optimeringOptimering↔ compare
Refereras av
Hittade du ett fel på sidan? Rapportera eller föreslå en rättelse →