การหาค่าเหมาะที่สุดแบบนูน (Convex Optimization)
การหาค่าเหมาะที่สุดแบบนูน (Convex optimization) เป็นสาขาย่อยของการหาค่าเหมาะที่สุดทางคณิตศาสตร์ (mathematical optimization) ที่ศึกษาปัญหาการหาค่าต่ำสุดของฟังก์ชันนูน (convex functions) บนเซตนูน (convex sets) กรอบการทำงานนี้ซึ่งได้รับการทำให้เป็นทางการและเผยแพร่โดย Stephen Boyd และ Lieven Vandenberghe ในตำราเรียนสำคัญปี 2004 ของพวกเขา ได้รวมชุดปัญหาที่หลากหลายเข้าไว้ด้วยกัน — รวมถึงการโปรแกรมเชิงเส้น (linear programming), การโปรแกรมกำลังสอง (quadratic programming), การโปรแกรมกึ่งนิยาม (semidefinite programming), และการโปรแกรมกรวยอันดับสอง (second-order cone programming) — ภายใต้กรอบทฤษฎีเดียว คุณสมบัติที่บ่งชี้คือคำตอบที่เหมาะสมที่สุดเฉพาะที่ (locally optimal solution) จะเป็นคำตอบที่เหมาะสมที่สุดทั่วโลก (globally optimal) ด้วยเสมอ ทำให้สามารถจัดการได้และเชื่อถือได้สำหรับวิศวกรรม สถิติ การเรียนรู้ของเครื่อง และการวิจัยดำเนินงาน
อ่านวิธีฉบับเต็ม
เข้าสู่ระบบด้วยบัญชีฟรีเพื่ออ่านส่วนนี้
Method map
The neighbourhood of related methods — select a node to explore.
แหล่งอ้างอิง
- Boyd, S., & Vandenberghe, L. (2004). Convex Optimization. Cambridge University Press. ISBN: 978-0-521-83378-3
วิธีอ้างอิงหน้านี้
ScholarGate. (2026, June 2). Convex Optimization. ScholarGate. https://scholargate.app/th/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.
- การโปรแกรมเชิงเส้นการหาค่าเหมาะที่สุด↔ compare
- การโปรแกรมเชิงเส้นไม่ตรงการหาค่าเหมาะที่สุด↔ compare
- Robust Optimizationการหาค่าเหมาะที่สุด↔ compare