《最优化方法》课程教学课件（PPT讲稿）第3讲 凸集、凸函数、凸规划

第3讲凸集、凸函数、凸规划 凸性( Convexity)是最优化理论必须涉及到基本概念具有凸性 的非线性规划模型是一类特殊的重要模型,它在最优化的理 论证明及算法研究中具有非常重要的作用 凸集( Convex set) 凸函数( Convex function) 凸规划( Convex programming)

第3讲 凸集、凸函数、凸规划 • 凸集 (Convex Set) • 凸函数 (Convex Function) • 凸规划 (Convex Programming) 凸性(Convexity)是最优化理论必须涉及到基本概念.具有凸性 的非线性规划模型是一类特殊的重要模型，它在最优化的理 论证明及算法研究中具有非常重要的作用

凸集-定义 线性组合( inear combination ∑λx,其中∈R,x∈R",=1,2,…m i=1 仿射组合( Affine combination) ∑4x,其中4∈R,x∈R", i=1 i=1 凸组合( Convex combination) ∑x,其中∈R,x∈R",=1,2,m且∑气=1 凸锥组合( Convex cone combination) ∑4x,其中1∈R,x∈R",=1,2…m i=1

凸集---定义 , , , 1,2,... , 1. 1 1   = =   = = m i i n i i m i i xi 其 中 R x R i m 且  , , , 1,2,... . 1 x R x R i m n i i m i i i   = + =  其 中 线性组合 (linear Combination) , , , 1,2,... . 1 x R x R i m n i i m i  i i   = =  其 中 仿射组合 (Affine Combination) , , , 1,2,... 1. m i 1 i 1  = + =  x 其 中  R x  R i = m且  = n i i m i i i 凸组合 (Convex Combination) 凸锥组合 (Convex Cone Combination)

凸集定义 例二维情况下,两点x1,x2的 (a)线性组合为全平面; (b)仿射组合为过这两点的直线 (c)凸组合为连接这两点的线段 (b)凸锥组合为以原点为锥顶并通过这两点的锥

凸集---定义 例 二维情况下，两点x1 , x2 的 (a)线性组合为全平面； (b)仿射组合为过这两点的直线； (c)凸组合为连接这两点的线段； (b)凸锥组合为以原点为锥顶并通过这两点的锥

凸集-定义 x (c)凸组合为线段 a)线性组合为全平面(b)仿射組合为直线 (严格门维合不含端点 r1 B d)凸锥组合 A严格凸集 B凸集但不严格 C非凸集

凸集---定义

凸集--定义 定义1设集合DcR",若对于任意两点 x,y∈D,及实数a(0≤a≤1),都有: ax+(u-a)y∈D, 则称集合D为凸集 常见的凸集:单点集{x},空集,整个欧氏空间Rn, 超平面H={x∈R"a1x1+a2x2+…+anxn=b} 半空间 H+-{x∈R"ax+a2x2+…+anxn≥b x∈Rna2x≥b

凸集---定义 定义1 设集合 , n D  R 若对于任意两点 x , y D, 及实数  (0   1), 都有： x + (1−)y D, 则称集合 D 为凸集． 常见的凸集：单点集 { x }，空集 ，整个欧氏空间 Rn ， 超平面：  , H x R a1 x1 a2 x2 an xn b n =  + ++ = 半空间：     1 1 2 2 = n n n n T H x R a x a x a x b x R a x b + =  + + +   

凸集举例 例:证明超球|xl|≤r为凸集 证明设x,y为超球中的任意两点p≤a≤1 则有:|ax+(1-a)y ≤clx+(-a)Jy ≤c+(1-c)r=r 即点ax+(1-a)y属于超球,所以超球为凸集

例： 证明超球 x  r 为凸集． 证明：设 x , y 为超球中的任意两点， 0    1, 则有： x + (1−)y   x + (1−) y r + (1−)r = r, 即点 x + (1−)y 属于超球, 所以超球为凸集． 凸集----举例

凸集-性质 (1)任意多个凸集的交集为凸集 (2)设D是凸集,B是一实数,则下面的 集合是凸集D={y=x,x∈D} (3)设D1和D2是R上的凸集,则 a)D+D2={x1+x21|x1∈D1,x2∈D2}是凸集 (b)D-D2={x1-x2|x1∈D1,x2∈D2}是凸集

(1) 任意多个凸集的交集为凸集． (2) 设 D 是凸集，  是一实数，则下面的 集合是凸集： D = y y = x , x D 凸集-----性质 (3)   (b)  | ,  . (a) | , ; 1 2 1 2 1 1 2 2 1 2 1 2 1 1 2 2 1 2 是凸集 是凸集 设 和 是 上的凸集，则 D D x x x D x D D D x x x D x D D D R n − = −   + = +  

凸集-性质 推论设D,=1,2,…,k是凸集,则∑月D 也是凸集,其中是实数 (4)S是凸集当且仅当中任意有限个点的凸 组合仍然在S中

推论： = k i i Di 1 设 D i k  i , = 1,2,  , 是凸集，则 也是凸集，其中 i 是实数． (4) S 是凸集当且仅当S中任意有限个点的凸 组合仍然在S中. 凸集-----性质

凸集-性质 注:和集和并集有很大的区别,凸集的并集 未必是凸集,而凸集的和集是凸集 例:D1={x,0yx∈R表示x轴上的点 D2={0yy∈R表示y轴上的点 则D1∪D2表示两个轴的所有点它不是凸集; 而D+D2=R2凸集

注：和集和并集有很大的区别，凸集的并集 未必是凸集，而凸集的和集是凸集． 例： D (x ) x R T 1 = ,0  表示 x 轴上的点． D ( y) y R T 2 = 0,  表示 y 轴上的点． 则 D1  D2 表示两个轴的所有点，它不是凸集； 2 而 D1 + D2 = R 凸集． 凸集-----性质

凸集-包/壳( Convex hul) 定义设Sg任意有限个点的所有凸组合 所构成的集合称为的凸包,记为KS即 H(S)=1∑4x∈S,4202=1,2…,m∑4=1,m∈N i=1 i=1 定理21.4从S是R中所有包含S的凸集的交集 H(S是包含S的最小凸集

定义 设 S 中任意有限个点的所有凸组合 所构成的集合称为S的凸包，记为H(S),即 , n S  R 凸集-----凸包/壳(Convex Hull)       =    =  =  = = m i i i i m i H S i xi x S i m m N 1 1 ( )  , 0, 1,2..., ,  1, 定理2.1.4 H(S)是Rn 中所有包含S 的凸集的交集. H(S)是包含S 的最小凸集