凸优化 (Convex Optimization) 基础知识小结
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 和 是 convex sets
, 那么 也是convex set
, 而 不是. -
(b) 令 为 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 和 . 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
的 convex hull
是
中所有包含
的convex sets
的交集. 换句话说,
是
中最小的包含
的 convex set
.
定义 点
属于 convex set
, 令
, 如果对于任意
和
, 都有
, 那么称
为
的 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
是
中一个有限点集的convex hull
.
定义 一个polyhedral set
是
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
和
, 映射
满足
, 那么称
为一个 affine transformation
. 例如, .
命题 设
是一个 affine transformation
,
是一个 convex set
, 那么
是
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
是
中的一个 convex set
.
Convex Function
定义 如果函数 满足
那么称函数
是convex
的.
定义 称
是 concave
的如果
是 convex
的.
例子:
-
, convex
-
, concave
-
, convex
和concave
-
, 时 concave
, 时convex
命题 设
是一个 convex function
, 以及
满足
. 那么
证明
因为
是 convex
的, 有
类似的:
推论 设
是一个 convex function
,
. 那么
随
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
是 convex
是单调增的.
证明 假如函数
是 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
是 convex
. 例如:
定义
,
的 epigraph
定义为:
命题 令
.
是一个 convex set
, 那么
是 convex
它的 epigraph
是
上的一个 convex set
.
证明 假设
是一个convex function
, 令 , 那么
由 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 设
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
是convex
的.
证明
因为
是一个 convex set
, 所以
是 convex
的, 因此
是一个 convex function
.
命题 (a) 设
为 convex functions
, 那么对于任意
,
也是一个 convex function
.
证明
命题 (b) 设
为
上的一个 convex function
,
在
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
是 convex
以及
是单调增的. 第二个不等式是因为
是 convex
的.
命题 (c) (Jensen's 不等式) 设
为
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
为
上的一个 open convex set
, 那么
在
上是连续的.
证明 设
,
为包含于
的一个 polytope
,
为
的一个内点,
为
的顶点. 选取
且
, 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
的 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 令
, 假设
有连续的二阶偏导数, 它的 hessian matrix
为
那么
是 convex
的当且仅当
是 positive semi-definite
, 即,
.
证明 定义
那么
. 如果
是 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,
是 convex
当且仅当
是 convex
. 那么
, 令 , 那么 .
命题 如果函数
是可微的, 令 , 那么
是 convex
当且仅当
证明 定义
, 那么
是 convex
当且仅当
是 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
是 convex
, 对于任意
. 由条件
可得
将 , 可得
那么可得
其中 .
命题 如果
是
上的一个连续可微函数, 那么
是 convex
当且仅当
是单调的, 即
证明 令 . 如果
是 convex
, 那么
反之, 对于任意 , 由条件 可得
可得,
关于
单调增, 所以
是 convex
.
Optimization Problems
令
为
上的一个开区间,
是
的一个 local minimizer
当且仅当存在
, 使得
命题 令
为
上的一个开区间,
是一个二次可微的连续函数. 如果
是
的一个 local minimizer
, 那么
.
证明 因为
是 local minimizer
, 存在
使得 . 因此, 对于
,
对于 ,
那么
可得 .
根据泰勒展开, 使得
令 , 我们有 , 即
命题
是一个二次可微的连续函数, 对于
, 如果
, 那么
是
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 设
是一个开集,
是一个 local minimizer
, 那么
以及
是 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
是
的一个 local minimizer
, 0 是
的一个 local minimizer
, 那么有
可得
是 positive semi-definite
.
命题 设
为定义在凸集
上的 convex function
:
(i) 如果
在
处取得 local minimizer
, 那么
也在
处取得 global minimizer
. (ii) 如果
满足
即
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
在
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 "
是 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 设
为定义在开凸集
上的可微 convex function
. 那么,
是
的一个 global minimizer
当且仅当
.
证明 如果
. 因为
是 convex
, 有
反之, 如果
是 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 设
和
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
且
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 令
,
, 其中
称为 primal problem
. 定义
令 . 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 在 上无界, 那么 .
(iii) 令 , 如果 在 上无界, 那么 .
(iv) 如果存在
使得
, 那么
. 也就是说,
是 primal problem
的一个最优解,
是 dual problem
的一个最优解.
推荐阅读:
干货 | 学习算法,你需要掌握这些编程基础(包含JAVA和C++)