凸优化 (Convex Optimization) 基础知识小结

程序猿声

共 95404字,需浏览 191分钟

 ·

2023-08-11 17:26

最近总是忘记一些基础知识, 有些还能问问ChatGPT, 大部分情况还是需要自己找课堂笔记, 索性就整理出来好了. 如有错误, 欢迎大家指正.

Convex Set

定义 集合 是一个 convex set 如果对于任意 ,都有

如下图所示,左边的是convex set,而右边的则不是。

命题

  • (a) 如果 convex sets, 那么 也是convex set, 而 不是.
  • (b) 令 convex set 的点, . 那么 .证明   数学归纳法, 假设 的时候成立, 现在证 . 假设有 . 至少存在一个 , 设 . 令 . 令 , 由 的假设可知 . 现在令, 因为 , 所以 , 证毕.

定义 集合 convex hull 中所有包含 convex sets的交集. 换句话说, 中最小的包含 convex set.

定义 属于 convex set , 令 , 如果对于任意 , 都有 , 那么称 extreme point. 换句话说, 不能表示成集合 中任何两个不同的点的组合.

定义 一个polytope 中一个有限点集的convex hull.

定义 一个polyhedral set 中一个有限族的closed halfspace的交集. 例如:

为了方便, 我们使用 表示 "if and only if", "当且仅当", .

命题 一个 中的集合是一个 polytope 它是一个有界的 polyhedral set.

定义 对于任意 , 映射 满足 , 那么称 为一个 affine transformation. 例如, .

命题 是一个 affine transformation, 是一个 convex set , 那么 中的一个 convex set.

证明   如果 , 那么 . 因为 是一个 convex set, 那么对于任意 都有 . 那么

所以 中的一个 convex set.

Convex Function

定义 如果函数 满足

那么称函数 convex的.

定义 concave 的如果 convex 的.

例子:

  • , convex
  • , concave
  • , convexconcave
  • , concave, convex

命题 是一个 convex function, 以及 满足 . 那么

证明  

因为 convex 的, 有

类似的:

推论 是一个 convex function, . 那么 单调增.

证明   分情况讨论即可, 要证 , 考虑三种情况:

命题 函数 可微, 那么 convex 是单调增的.

证明   假如函数 convex 的, 令 , 我们需要证明 , 利用上面一个推论:

现在证另一个方向, 假设 是单调增的, 对于任意 , 有 . 由中值定理可得:

因为 , 那么:

因此, 是一个 convex function.

推论 如果 二次可微, 那么 convex . 例如:

定义 , epigraph 定义为:

命题 . 是一个 convex set, 那么 convex 它的 epigraph 上的一个 convex set.

证明   假设 是一个convex function, 令 , 那么

的convex属性可知:

因此

现在证另一个方向, 假设 是 convex的, 那么

因此, 是一个 convex function.

命题 是一族定义在 上的 convex functions. 对于每一个 , 假设集合 是上有界的, 那么

convex的.

证明  

因为 是一个 convex set, 所以 convex 的, 因此 是一个 convex function.

命题 (a) 设 convex functions, 那么对于任意 , 也是一个 convex function.

证明  

命题 (b) 设 上的一个 convex function, 上单调递增, 那么复合函数 也是一个 convex function.

证明  

其中, 第一个不等式是因为 convex 以及 是单调增的. 第二个不等式是因为 convex的.

命题 (c) (Jensen's 不等式) 设 上的一个 convex function, 对于任意

证明   利用数学归纳法证明, 对于 时, 显然成立. 假设对于 时成立, 我们想证明当 时也成立. 当 时, , 那么在 中至少存在一个严格小于1的, 假定为 . 定义 , 那么

如果令 , 那么就可以得到著名的Jensen's 不等式

命题 如果 是定义在 上的一个 convex function, 其中 上的一个 open convex set, 那么 上是连续的.

证明   设 , 为包含于 的一个 polytope, 的一个内点, 的顶点. 选取 , 其中 . 对于任意 , 存在 , 使得 . 那么根据 Jensen不等式

其中 . 定义

易证 是一个关于 convex function 并且 . (注: 通过定义新函数 , 把 的函数转化为 上的函数) 那么有

其中, , 那么可得

因此, 当 , , 是一个连续函数.

命题 , 假设 有连续的二阶偏导数, 它的 hessian matrix

那么 convex 的当且仅当 positive semi-definite, 即, .

证明   定义

那么 . 如果 convex, 易证 也是一个 convex function.

反过来, 假设 是一个 convex function, 我们想证明 也是一个 convex function. 令 ,

因此, convex 当且仅当 convex. 那么

, 令 , 那么 .

命题 如果函数 是可微的, 令 , 那么 convex 当且仅当

证明   定义 , 那么 convex 当且仅当 convex.

先证方向 , 如果 关于 convex, 那么

第二个等式中, .

现在我们来证方向 , 如果条件 成立, 我们想证 convex, 对于任意 . 由条件 可得

, 可得

那么可得

其中 .

命题 如果 上的一个连续可微函数, 那么 convex 当且仅当 是单调的, 即

证明   令 . 如果 convex, 那么

反之, 对于任意 , 由条件 可得

可得, 关于 单调增, 所以 convex.

Optimization Problems

上的一个开区间, 的一个 local minimizer 当且仅当存在 , 使得

命题 上的一个开区间, 是一个二次可微的连续函数. 如果 的一个 local minimizer, 那么 .

证明   因为 local minimizer, 存在 使得 . 因此, 对于 ,

对于 ,

那么

可得 .

根据泰勒展开, 使得

, 我们有 , 即

命题 是一个二次可微的连续函数, 对于 , 如果 , 那么 的一个 local minimizer.

注意上面的条件 , 是严格大于0, 而不是大于等于0. 为什么呢? 举个例子, 例如 , 但是 并不是一个 local minimizer.

证明   因为 是连续的并且 , 使得 , 由泰勒展开

其中 , 可得 .

推论 如果 , 在一些包含 的区间上有 , 那么 是一个 local minimizer.

命题 是一个开集, 是一个 local minimizer, 那么

以及

positive semi-definite.

证明   因为 是一个开集, , 使得

其中 , 第 个元素为1. 定义 . 对于 , 是一个良定义(well defined)的函数, 并且在 时有一个 local minimizer

定义 . 通过链式法则, 有

因为 的一个 local minimizer, 0 是 的一个 local minimizer, 那么有

可得 positive semi-definite.

命题 为定义在凸集 上的 convex function:

(i) 如果 处取得 local minimizer, 那么 也在 处取得 global minimizer. (ii) 如果 满足

是严格 convex, 那么它的 global minimizer 是唯一的. (iii) 如果 不是常数函数, 并且它在集合 上的一些点 获得 maximizer, 那么 必为 的一个边界点.

证明   (i) 因为 处获得 local minimizer, 使得对于所有 . 那么 , 我们需要证明 . 注意到区间 , 因此 , 我们有

定义 , 那么

(ii) 如果存在 使得 , 那么

与 " global minimizer" 矛盾.

(iii) 如果 不是一个边界点, 那么 一定是一个内点. 因为 不是一个常数, . 注意到 , 因为 是一个内点, 存在 使得 对于一些 , 那么

这就导致了矛盾, 因此, 必为一个边界点.

命题 为定义在开凸集 上的可微 convex function. 那么, 的一个 global minimizer 当且仅当 .

证明   如果 . 因为 convex, 有

反之, 如果 global minimizer, 它必然是一个 local minimizer, 那么

现在设 , 有如下的优化问题:

如果存在一个 , 使得 以及 , 那么可以称这个优化问题是 strongly consistent 或者称其满足 slater condition.

命题 为可微的 convex function, 令 , 是 affine的. 如果上述的优化问题是 strongly consistent, 那么一个可行点 是最优解当且仅当存在 使得

命题 (KKT Condition) 设 为上述优化问题的最优解, 那么必然存在一个实数 , 向量 使得

拉格朗日对偶性 , , 其中 称为 primal problem. 定义

. 定义

称为 dual problem.

定理 (对偶性)

(i) 如果 , 那么对于任意 , 都有 .

(ii) 令 , 如果 上无界, 那么 .

(iii) 令 , 如果 上无界, 那么 .

(iv) 如果存在 使得 , 那么 . 也就是说, primal problem 的一个最优解, dual problem 的一个最优解.

推荐阅读:

干货 | 想学习优化算法,不知从何学起?

干货 | 运筹学从何学起?如何快速入门运筹学算法?

干货 | 学习算法,你需要掌握这些编程基础(包含JAVA和C++)

干货 | 算法学习必备诀窍:算法可视化解密

干货 | 模拟退火、禁忌搜索、迭代局部搜索求解TSP问题Python代码分享

记得点个在看支持下哦~

浏览 1324
点赞
评论
收藏
分享

手机扫一扫分享

分享
举报
评论
图片
表情
推荐
点赞
评论
收藏
分享

手机扫一扫分享

分享
举报