ch06-5极值与凸性
久期与债券价格波动ppt课件

例1:附息票债券内在价值的计算
❖ 01三峡债(120102 )面值为100元,发行时期限为15 年,息票率5.21%,每年付息一次.若投资者要求的 收益率为5%,求该债券的内在价值.
❖ 解:
15 .2 5% 1(1 5.52% 12)(110 5% .2511)5
10.128
精品课件
8
例2:零息票债券内在价值的计算
p0
ct (1YTM)t
❖ 上例李四的到期收益率为:
1Y5TM (1Y5T)M 2(11Y0T5)M 3 102
YTM 4.28 %
精品课件
16
运用到期收益率时假设
❖ 1.利息本金能准时足额获得 ;
❖ 2.投资者买入债券后一直持 有到期;
❖ 3.所得利息的再投资收益等 于YTM。
精品课件
17
课堂练习:到期收益率的计算
精品课件
19
精品课件
20
❖ 简称″03'上海轨道债″ ❖ 发行总额:人民币40亿元。 ❖ 发行价格:平价发行,以1000元人民币为一个认购单位 ❖ 债券期限:15年(2003年2月19日~2018年2月19日)。 ❖ 债券利率:固定利率,票面年利率4.51%。 ❖ 还本付息方式:每年付息一次,最后一期利息随本金一并支
精品课件
6
内在价值的计算:现金流贴现模型(DCF)
❖ 无论是买入-持有模式(buy-and-hold)还是到期 前卖出模式,债券估价公式相同。
IV1c1r1(1r1c)21(r2)IV (1r1)1(cnr2)p n (1rn) IV c1 c2 cnpn
1r (1r)2 (1r)n
精品课件
7
Ch05 债券价值分析
精品课件
凸优化理论与应用凸优化PPT课件_1-51

可编辑
9
可分离变量优化问题
性质: 其中
inf f (x, y) inf f%(x)
x, y
x
f%(x) inf f (x, y)
y
定理:优化问题
minimize f0 (x1, x2 ), x R n
subject to fi (x1) 0, i 1,..., m1
f%i (x2 ) 0, i 1,..., m2 可以分离变量 x1, x2
h%i (z) i (hi (z)) 0, i 1,..., p
可编辑
7
优化问题的等价形式(4)
定理:原优化问题与以下优化问题等价
minimize f0 (x), x R n subject to fi (x) si 0, i 1,..., m
si 0 hi (x) 0, j 1,..., linear minimization
问题描述
minimize
上半图形式 minimize
f (x) im1,a...x,m(aiT x bi ) t
LP形式
subject to im1,a...x,m(aiT x bi ) t minimize t
subject to aiT x bi t,i 1,..., m
y
x eT x
f
Ay bz 0 eT y fz 1
z
1 eT x
f
z0
可编辑
31
二次规划(quadratic program,QP)
QP问题的基本描述
minimize (1/ 2)xT Px qT x r subject to Gx p h
Ax b P Sn , G Rmn , A R pn
清华大学 凸优化 讲义ch5_924402893

A B
障 碍 物
D
C
A B
障 碍 物
D
C
五道口最有人气的论坛
/bbs
STEP
n 城 市 的 TSP 问 题 , N={1,2,…,n},A={(i,j)|i,j∈N},城市间的距 离 D = ( d ij ) n×n ,为 TSP 图中的每一条弧(i,j)赋 0 信息素痕迹初值 τ ij (0) = 1
五道口最好的生活网
*
五道口最有人气的论坛
/bbs
定理 GBAS(graph-based ant system)的马尔可夫过 程 X k = (τ ( k ), W ( k )), k = 0,1, L 依 概 率 1 收 敛 到
X * = (τ * , W * ) ,其中 W * 为一条最优路径, τ * 定义如
其中, τ (k ) 为信息素痕迹,在 R 中取值; W (k ) 为 n
|A|
城市的一个排列,最多有 n! 个状态。
定义 一个马尔可夫过程 { X k , k = 0,1, L} ,对任给的 ε > 0 满足
lim Pr X k − X * < ε = 1 ,
k →∞
{
}
则称马尔可夫过程 X k 依概率 1 收敛到 X 。
结束一个循环。如果再对蚁群循环一次,因为W2为全局最优 解,由STEP3的信息素痕迹更新规则,无论四只蚂蚁行走的路 线如何,STEP3 的信息更新为
⎡ 0 1 48 5 24 1 48⎤ ⎢5 24 0 1 48 1 48⎥ ⎥ τ (2) = (τ ij (2) ) = ⎢ ⎢ 1 48 1 48 0 5 24⎥ ⎢ ⎥ 1 48 5 24 1 48 0⎦ ⎣
当前最优解(实际为全局最优解)为W2,STEP3 的信息更新为
CH5区组设计2(组合数学)

I 是v阶单位阵 J v是所有元素均1的v阶矩阵
v
W b (1,1,...,1)
T 1b
20
8. 平衡不完全设计(BIBD)10
证明: 设 A 是 v 元集合上的(b, v, r, k, λ)-BIBD B={B1,B2,„,Bb}的关联矩阵. 令 A=(A1,A2,„,Av) ,其中,Ai 表示 A 的 第 i 列,则
12
8. 平衡不完全设计(BIBD)2
注:这里,平衡的含义是:所有区组的容量 |Bi|(1≤i≤b)均相同;X中任意元素在设计 中出现的次数均相同;X中任意一对元素在 设计中相遇的次数均相同. 注:对于k=0,1,2,v-2,v-1,v平衡不完全 区组设计中的其他参数均由k完全确定
13
8. 平衡不完全设计(BIBD)3
10
7. 区组设计概论
这些概念似乎很复杂, 其实并不复杂. Kirkman 15女生设计的具体参数: (i) 设计的阶数=15 (ii) 每个区组长度=3 (iii) 任意一个元素的重复数=7 (iv) 任意两个元素相遇数=1 (v) 区组总数35 其实这些参数并不是独立的, 一些可 以由另外 一些算出来.
3
6. Kirkman 15女生问题
简单分析一下, 要求解这个问题就是要找到满足下 面条件的三元子集组: (1) 需要构造由15名女生组成的集合的75=35个三 元子集族, 使得每两个女生在三元组里正好出现 一次. (2) 由于每天的散步, 每个女生出现而且只能出现在 一个三元组中. 所以, 必须能将35个三元组分成7部 分, 每部分有5个三元组. 每一个女生正好在每部 分出现一次, 即在一个三元组出现.
8
7. 区组设计概论
区组设计可用一个所谓的区组矩阵来描述.
混凝土强度的标准差和变异系数

1
几种不同观点 混凝土强度的标准差σ 和变异系数 V 与强度 R
则随 R 的降低而增大 ; R = 0 时 ,V = ∞。 2 σ - R、 V - R 关系的推导 推导的基础是鲍罗米混凝土强度经验公式 ,即 :
R = aRc ( C/ W - b)
( 指平均值 ,下同) 的关系 ,长期存在不同观点的争论 。
1999 年第 6 期 12 月
混凝土与水泥制品
CHINA CONCRETE AND CEMENT PRODUCTS
1999 No6 December
混凝土强度的标准差和变异系数
戴镇潮
( 武警水电第二总队
重庆 400010)
摘 要 : 本文按误差传递方法推算 , 并以现场和试验室实测结果验证 , 证明混凝土强度标准差随强度平均值的降低而减小 , 十 分接近线性关系 , 但强度趋近于零时 , 标准差不趋近于零 , 而是大于零 ; 相应地 , 强度变异系数则随强度降低而增大 , 强度趋近于零 时 ,变异系数趋近于无穷大 。 关键词 : 混凝土强度 强度平均值 标准差 变异系数
=
a
5R 2σ2 5R 2σ2 5R 2σ2 Rc + C+ W 5Rc 5C 5W
C - b W
2 2 2 2 σRc + aRc σC + aCRc 2 2
W
W
+σW
2
混凝土与混凝土施工
7
1999 年第 6 期
C - b W
2 2 σRc + aCRc 2 2 σC 2 σW
混凝土与水泥制品
总第 110 期
图 2 计算得的不同控制水平的σ - R 、 V - R 关系 ( 由表 2)
Ch5材料的变形和再结晶变形

后退 下页
第三节 单晶体的塑性变形
对于单晶体而言,其塑性变形中, 对于单晶体而言,其塑性变形中,滑移是位错在切 应力作用下滑移面及滑移方向进行, 应力作用下滑移面及滑移方向进行,其滑移必须满 足临界分切应力定律, 足临界分切应力定律,即 一、施密特定律
后退 下页
返回
●孪生与滑移的区别 滑移 (1)一部分晶体沿滑移面相 一部分晶体沿滑移面相 对于另一部分晶体作切变, 对于另一部分晶体作切变 切变时原子移动的距离是 滑移方向原子间距的整数 倍。 (2)滑移面两边晶体的位相 滑移面两边晶体的位相 不变。 不变。 孪生 (1)一部分晶体沿挛晶面相 一部分晶体沿挛晶面相 对于另一部分晶体作切变, 对于另一部分晶体作切变 切变时原子移动的距离不 是滑移方向原子间距的整 数倍。 数倍。 (2)挛晶面两边晶体的位相 挛晶面两边晶体的位相 不同,成镜向对称。 不同,成镜向对称。
Gb W= 2π (1 − υ )σ u
理论剪切强度
G b σu = 2π a
τ p−N
2π G −2πW / b e = 1−υ
●位错点阵阻力
τ P−N
2π G = e 1 −ν
2πa − ( 1 −ν ) b
其中, a — 原子间距,
b — 柏氏矢量
ν — 泊松系数
τ 1)a越大,即原子面间距大, P − N 越小,表示点阵 ) 越大 即原子面间距大, 越大, 越小, 阻力小,说明原子面间距越大,位错运动阻力小, 阻力小,说明原子面间距越大,位错运动阻力小, 增大的面即原子最密排面。 而a增大的面即原子最密排面。 增大的面即原子最密排面
P−N
大小本质上取决于晶体结构和键的方向性。 大小本质上取决于晶体结构和键的方向性。
凸优化问题最优解存在性及零对偶间隙的刻划
第21卷哈尔滨师范大学自然科学学报V o l .21,N o .22005第2期N A T U R A LS C I E N C E S J O U R N A LO FH A R B I NN O R M A LU N I V E R S I T Y凸优化问题最优解存在性及零对偶间隙的刻划班立群(哈尔滨师范大学)【摘要】 在本文,我们考虑一类凸约束优化问题.我们引入一个闭性条件,在某种意义下,此闭性条件完全刻划了凸优化问题的扰动问题最优解的存在性及其零对偶间隙.关键词:零对偶间隙;S -凸映射;S -下半连续;函数类F收稿日期:2005-04-020 引言我们考虑如下凸约束优化问题:(C P ) μ:i n f f (x )s .t .x ∈C ,g (x )∈-S ,其中X ,Y 为局部凸拓扑向量空间,C X 为一闭凸集,S Y 为一闭凸锥,f :X ※R ∪{+∞}为一个真凸下半连续函数,g :X ※Y 为一个S -凸映射.与(C P )相对应的L a g r a n g i a n 对偶问题为(C D )ν:=s u p y *∈S+i n f x ∈C{f (x )+<y *,g (x )>}.如果μ=ν,我们称(C P )与(C D )有零对偶间隙.在什么条件下问题(C P )有最优解,以及零对偶间隙存在?这类问题已被广泛的讨论过(见文献[1,4,5,6,9,10]).特别,J e y a k u m a r 和W o l k o w -i c z [4],在强正则条件(即广义值域是闭)下,通过研究值函数的性质,证明了问题(C P )存在最优解且零对偶间隙成立.A u s l e n d e r [1],针对有限维情形(X =R n ,Y =R m),引进一类函数F ,这类函数包括二次凸函数、多项式凸函数、逐点二次线性凸函数以及许多其它性质的函数.对于这类函数,他证明了问题(C P )存在最优解且零对偶间隙成立.本文的目的是证明文献[4]引入的闭性条件能够完全刻划问题(C P )最优解的存在性以及零对偶间隙,即闭性条件等价于(C P )的扰动问题的最优解存在且零对偶间隙成立.1 预备知识设X 为局部凸空间,X *为其对偶拓扑空间.记<x *,x >为X 与X *之间的双线性形式.设C为空间X 中的非空子集.C 的闭包和内部分别记作c l C 和i n t C .如果集合D X *,则记号c l D 表示集合D 的弱*闭包.C 上的指示函数和支撑函数分别记作δC 和δ*C .设f :X ※R ∪{+∞}为真凸函数.f 的有效域及其上图定义为:d o m f ={x ∈X f (x )<+∞}和 e p i f ={(x ,r )∈X ×R f (x )≤r }.定义f 的共轭函数f *:X *※R ∪{+∞}为 f *(x *)={<x *,x >-f (x ) x ∈d o m f }函数h :X *※R ∪{+∞}的共轭也有类似的定义h *(x )=s u p {<x ,x *>-h (x *) x *∈d o m h }. 设f i ,i ∈I (其中I 为任意指标集)是下半连续真凸的.我们知道(见文献[7])如果s u p i ∈I f i 是真的,则(s u p i ∈I f i )*=c l c o (i n f i ∈If *i ).(1)基于以上事实,我们很容易得到e p i (s u p i ∈I f i )*=c l c o (∪i ∈Ie p if *i )(2) 设Y 为一局部凸空间,Y *为其对偶拓扑,并且设S Y 为一闭凸点锥.S 的对偶锥记作S +,定义为S +={y *∈Y *<y *,y >≥0, y ∈S }锥K Y *的对偶锥可相类似地定义为: K +={y ∈Y <y ,y *>≥0, y *∈K }.我们知道(S +)+=S .设g :X ※Y 为一映射,如果它的上图e p i g ={(x ,y ) y ∈g (x )+S }是凸的,即对任意x 1,x 2∈X 及任意λ∈[0,1],总有g (λx 1+(1-λ)x 2)∈λg (x 1)+(1-λ)g (x 2)-S 成立,则称g 是S -凸的.我们称g 在点x 0是S -下半连续的,如果对0∈Y 的任意邻域V ,存在x 0∈X 的邻域U x 0使得g (x )∈g (x 0)+V +S x ∈U x 0.如果g 在任意一点x ∈X 是S -下半连续的,则称g 在X 上是S -下半连续的.显然,若g 是连续的,则g 是S -下半连续的;如果g 是S -下半连续的,则e p i g 是闭的.2 凸优化问题对于一个凸优化问题(P ) m i n x ∈Xf (x ),我们引入一个真函数 :X ×Y ※R ∪{+∞}使得 (x ,y )是下半连续凸的,其中Y 为另外一个局部凸空间.相应的L ag r a n g i a n 函数L :X×Y *※R ∪{±∞}如下给出:L (x ,y *)=i n f y ∈Y { (x ,y )-<y *,y >}.(3)注意到:对于每一个x ,函数-L (x ,y *)在Y 上共轭于 (x ,·).对 的假设条件保证了 (x ,·)也同样共轭于-L (x ,·):(x ,y )=s u p y *∈Y{L (x ,y *)+<y *,y >}(4)显然L 满足如下等式s u p y *{L (x ,y *)-<x *,x >}= (x ,0)-<x *,x >,并且- ﹡(x *,y *)=i n f x {L (x ,y *)-<x *,x >}.下面我们将给出零对偶间隙的刻划性定理.引理1 设 :X ×Y ※R ∪{+∞}为下半连续真凸函数.假设α0=s u p y *∈Y*i n f x ∈XL (x ,y *)>-∞,则以下结论等价:(i )m i n x ∈X (x ,y )=s u p y*∈Y *{i n f x ∈X L (x ,y *)+<y *,y >}, y ∈Y .(i i )D :=∪x ∈Xe p i (x ,·)是闭的.证明:(i i ) (i )设α:=s u p y *∈Y*i n f x ∈X{L (x ,y *)+<y *,y >}.因为α0>-∞,则α>α0>-∞.如果α=+∞,则(i )显然成立.假设α<+∞.则α有限,并且α=s u p y *∈Y*{<y *,y >-s u p x ∈X(-L (x ,y *))}.又因为α0>-∞,则存在y *0∈Y *使得s u p x ∈X (-L (x ,y *))<∞.因为 真,y *※s u p x ∈X (-L (x ,y *))亦真,则根据(1)和(2)我们有α=(c l c o i n f x ∈X (-L (x ,·))*)(y )和(y ,α)∈c l c o [∪x ∈X e p i (-L (x ,·))*]=c l c o D 成立.又已知 (x ,y )凸,则D 凸.因此,由(i i )有(y ,α)∈D ,进而存在 x ∈X ,使得α≥ ( x ,y ).又由弱对偶定理知α≤m i n x ∈X (x ,y ).因此,α=m i n x ∈X (x ,y )= ( x ,y ).故证得(i )成立.(i ) (i i )设(x ,r )∈c l D .则s u p y *∈Y*{<y *,y >-s u p x ∈X (-L (x ,y *))}≤r .这样,同时依据(i ),证得存在x ∈X 使得 (x ,y )≤r .进而证明(x ,r )∈D .注记1.1 蕴含关系(i i ) (i )在文献[2]中已被证明.3 有约束的凸优化问题下面,我们将考虑有约束凸优化问题(C P ) m i n f (x )s .t .x ∈C ,g (x )∈-S .定义函数 :X ×Y ※R ∪{+∞}如下(x ,y )=f (x ),如果x ∈C ,g (x )∈y -S+∞,其它情况(5)则相应的L a g r a n g i a n 函数为:L (x ,-y *)=f (x )+δC (x )+<y *,g (x )>, 如果y *∈S+-∞, 其它情况(6)以及相应于(C P )的L a g r a n g i a n 对偶问题为(C D ) m a x y *∈S+i n f x ∈C{f (x )+<y *,g (x )>}.我们对上面的L a g r a n g i a n 函数应用引理1,得到如下定理:定理2 设C X 为一闭凸集,S Y 为一闭凸锥,f :X ※R ∪{+∞}为一下半连续真函数,并6哈尔滨师范大学自然科学学报 2005年且设g :X ※Y 是一个S -下半连续,S -凸映射.我们假设α0:=s u p y *∈S +i n f x ∈X {f (x )+<y *,g (x )>}>-∞.则以下结论等价:(i )m i n x ∈C ∩g -1(y -S )f (x )=s u p y*∈S +i n f x ∈C {f (x )+<y *,g (x )>-<y *,y >}, y ∈g (X )+S .(i i )(g ,f )(C )+S ×R +={(y ,r )∈Y ×R x ∈C ,s .t .f (x )≤r ,y ∈g (x )+S }是闭的.证明:我们先证明 (x ,y )是下半连续真凸函数.容易证明 真.又对 (x 1,y 1),(x 2,y 2)∈X×Y ,及 λ∈[0,1],我们知道λ (x 1,y 1)+(1-λ) (x 2,y 2)=λf (x 1)+(1-λ)f (x 2), λg (x 1)+(1-λ)g (x 2)∈λy 1+(1-λ)y 2-S +∞, 其它情况而且 (λ(x 1,y 1)+(1-λ)(x 2,y 2))=f (λx 1+(1-λ)x 2), g (λx 1+(1-λ)x 2)∈λy 1+(1-λ)y 2-S +∞, 其它情况由f 的凸性及g 的S -凸性,有f (λx 1+(1-λ)x 2)≤λf (x 1)+(1-λ)f (x 2)g (λx 1+(1-λ)x 2)∈λg (x 1)+(1-λ)g (x 2)-S 于是 (λ(x 1,y 1)+(1-λ)(x 2,y 2))≤λ (x 1,y 1)+(1-λ) (x 2,y 2).即证得 为凸函数.注意到: 是下半连续的当且仅当对任意的r ∈R ,非空水平集{ ≤r }:={(x ,y ) (x ,y )≤r }是闭的.任取(x n ,y n )∈{ ≤r }使得(x n ,y n )※(x ,y )则f (x n )≤r ,(x n ,y n )∈e p i g .由f 的下半连续性可知f (x )≤r .由g 的S -下半连续性知,e p i g 是闭的,于是(x ,y )∈e p i g ,即g (x )∈y -S .进而证得(x ,y )∈{ ≤r }.接下来,我们考虑(5)式中定义的 (x ,y ),注意到:∪x ∈X e p i (x ,·)={(y ,r )∈Y ×R x ∈X ,s .t . (x ,y )≤r }={(y ,r )∈Y×R x ∈X ,s .t .f (x )≤r ,g(x )∈y -S }=(g ,f )(C )+S ×R +.故此定理的结论是引理1的直接结果.J a y a k u m a r 和W o l k w i c z 在文献[4]中,对于广义凸规划问题运用经典的分离定理证明了类似的结论.为了研究非线性规划问题(A u s l e n d e r [1]引进了一类函数F ,这类函数包括二次凸函数、多项式凸函数、逐点二次线性凸函数以及许多其它性质的函数.此类函数是如下定义的:定义3 设函数f :X ※R ∪{+∞}是下半连续真的,如果对任意ρ>0,对任意收敛某于某个实数的实数列{εn },以及对任意满足如下条件的序列{x n}∈X f (x n )≤εn ,‖x n ‖※+∞,x n‖x n ‖※ x ∈k e r f ∞总存在n 0使得f (x n -ρ x )≤εn n ≥n 0,其中f ∞表示f 的回收函数.则称f ∈F .A u s l e n d e r 在文献[1]中证明了下面的结果.定理[A u s l e n d e r ] 设f ,g i∈F ,且均为凸函数,并设d o m f =d o m g i 对任意i =1,…,m 成立.则(g ,f )(X )+R m+1+是闭的.结合定理2,我们得到如下推论:推论4 设f ,g i 为F 的凸函数,并设d o m f =d o m g i 对任意i =1,…,m 成立.假设α0:=s u p λ∈R m +i n f x ∈X{f (x )+∑mi =1λi g i(x )}>-∞,则m i n {f (x ):g i (x )≤y i}=s u p λ∈R m +i n f x ∈X {f (x )+∑mi =1λi (g i (x )-y i )}.A u s l e n d e r 在文献[1]中,通过研究值函数的性质,证明了推论4的结论.我们考虑如下线性约束问题:(L C P ) m i n f (x )s .t .x ∈C ,A x -b ∈S ,其中A :X ※Y 为一个连续线性运算,b ∈Y 为一给定点.此时的对偶问题退化为(D L P ) m a x y *∈S +{<y *,b >-(f +δC )*(A *y *)}.定理5 设C X 为一闭凸集,S Y 为一闭凸锥,并且b ∈S 为一给定点.设f :X ※R ∪{+∞}为下半连续真凸函数,A :X ※Y 为连续线性算子,我们假设α0:=s u p y *∈S +{<y *,b >-(f +δC )*(A *y *)}>-∞.则以下结论等价:(i )对任意y ∈b +S -A C m i n {f (x ) x ∈C ,A x ∈S +b -y }=s u p y *∈S+{<y *,b-y>-(f +δC )*(A *y *)}.(i i )D=(-A ,f )(C )+(b +S )×R +是闭7第2期 凸优化问题最优解存在性及零对偶间隙的刻划的.证明:令g(x)=-A x+b.则此结论是定理2的直接结果.当f为一个线性连续函数,并且C为一个闭凸锥时,问题(L C P)变为如下形式的锥线性问题: (L C P1) m i n<x*,x>s.t.x∈X,A x-b∈S.在这种情况下,对偶问题就退化为(D L P1) m a xy*∈S+{<y*,b> A*y*+x*∈C+}.推论6 设C X及S Y均为闭凸锥,并且b∈S为一个给定点,并设A:X※Y为连续线性算子,我们假设α0=s u py*∈S+{<y*,b> A*y*+x*∈C+}>-∞,则以下结论等价:(i)对任意y∈b+S-A Cm i n{<x*,x>x∈C,A x∈S+b-y}=s u py*∈S+{< y*,b>A*y*+x*∈C+}.(i i)D=(-A,x*)(C)+(b+S)×R+是闭的.众所周知,当y=0时,蕴含关系(i i) (i)成立,例如见文献[8].致谢:本文是在宋文教授的精心指导下完成,在此表示由衷地感谢!参 考 文 献1 A u s l e n d e r,A.,E x i s t e n c eo f o p t i m a l s o l u t i o n s a n d d u a l i t y r e s u l t s u n d e r w e a kc o n d i t i o n s,M a t h.P r o g r a m.,S e r.2000,A88,45~592 G w i n n e r,J.a n dP o m e r o l,J.-C.,O nw e a k*c l o s e d n e s s,c o e r-c i v e n e s s,a nd i n f-s u pt he o r e m s,A r c h.M a t h,1989,52,159~1673 G w i n n e r,J.a n d J e y a k u m a r,V.,S t a b l e m i n i m a x o nn o n c o m p a c t s e t s,F i x e d p o i n t T h e o r y a n dA p p l i c a t i o n s(M a r s e i l l e1989),P i t-m a nR e s.N o t e sM a t h.S e r.,L o n g m a n S c i.T e c h.H a r l o w, 1991,215~2204 J e j a k u m a r,V.,a n d Wo l k o w i c z,H.,Z e r o d u a l i t y g a p s i n i n f i n i t e -d i m e n s i o n a l p r o g r a m m i n g,J.O p t i m.T h e o r y A p p l.,1990,67, 87~1085 R o c k a f e l l a r,R.T.,C o n v e xA n a l y s i s.P r i n c e t o nU n i v.P r e s s, P r i n c e t o n,19706 R o c k a f e l l a r,R.T.,O r d i n a r yc o n v e xp r o g r a m w i t h o u t ad u a l i t yg a p.J.O p t i m.T h e o r y A p p l.,1971,7,143~1487 R o c k a f e l l a r,R.T.,We t s,R.J.-B.,V a r i a t i o n a l A n a l y s i s.S p r i n g e r-V e r l a g,B e r l i n,19988 S h a p i r o,A.,O nd u a l i t y t h e o r y o f c o n i c l i n e a r p r o b l e m s,S e m i-i n f i n i t e p r o g r a m m i n g(A l i c a n t e,1999),135~165,N o n c o n v e xO p t i m.A p p l.,57,K l u w e r A c a d.P u b l.,D o r d r e c h t,20019 Z a l i n e s c u,C.,C o n v e x A n a l y s i s i n S p a c e s,W o r l dS c i e n t i f i c,S i n-g a p o r e,200210 K u m m e r,B.,S t a b i l i t y a n d w e a kd u a l i t y i n c o n v e x p r o g r a m m i n g w i t h o u t r e g u l a r i t y,P r e p i n t,H u m b o l d t U n i v.,B e r l i n,1978C H A R A C T E R I Z I N GO FE X I S T E N C EO FO P T I MA LS O L U T I O NA N DZ E R OD U A L I T YG A PI NC O N V E XO P T I MI Z A T I O NB a n L i q u n(H a r b i nN o r m a l U n i v e r s i t y)A B S T R A C TI n t h i s p a p e r,w e c o n s i d e r a k i n d o f c o n v e x c o n s t r a i n e d o p t i m i z a t i o n p r o b l e m.W e i n t r o d u c e a c l o s e d n e s s c o n d i t i o n,i n s o m e s e n s e,t h i s c o n d i t i o n c o m p l e t e l y c h a r a c t e r i z e s t h e e x i s t e n c e o f o p t i m a l s o l u t i o n a n d z e r o d u-a l i t y g a p o f t h e p e r t u r b e d p r o b l e mo f t h e c o n v e x o p t i m i z a t i o n.K e y w o r d s:Z e r o d u a l i t y g a p;S-c o n v e x m a p p i n g;S t a r S-l o w e r s e m i c o n t i n u o u s;C l a s s F(责任编辑:李双臻) 8哈尔滨师范大学自然科学学报 2005年。
第三章 凸分析2015
第三章 凸分析
2、判定: (1)根据图形判断: 凸函数的图形为下单峰,凹函数的图形为上单峰, 仿射函数的图形为直线。 (2)由二阶导信息:
一元 n元
凸函数 f”(x) ≥0 H(x) ≥0
凹函数 f”(x) ≤0 H(x) ≤0
2 f 其中H ( x) xi x j
第三章 凸分析
(Convex Analysis)
3.1 凸集与凸集分离定理 3.2 凸函数与次微分
第三章 凸分析
凸分析是上世纪60年代以后 ,由于数学规划、博弈论、数理 经济学、变分学等多方面需求而 发展起来的一个数学分支。 美国华盛顿州立大学的洛克 菲拉1970年所著凸分析为该分支 的早期发展做出了重要贡献。
第三章 凸分析
例3:设C为R n中不含原点的非空凸集。证明存在p R n, p 0,使对任意x C,都有pT x 0。 (首先说明:单点集和空集是凸集。)
存在一个超平面H x | pT x 把0 与C分离。 即对任意x C, 0 0,有:pT x ,pT 0 , pT x 0。 pT即为所求的向量。 (但,若此p使pT x ,该怎么办?)
思考题:理论的力量——例举10个数学理论对经济管理 学科发展做出重要贡献的例子。
第三章 凸分析
3.2 凸函数与次微分
一、凸函数
1、定义:设X 是R n中的凸集,f : X R1,若对于任 意的x,y X , [0,,有 1] f ( x (1 ) y ) f ( x) (1 ) f ( y ), 则称f 为X 上的凸函数;若以上不等式中不等号是严 格的,则称f 为严格凸函数;若函数( f )是凸函数, 则称f 是凹函数;若f 既是凸函数又是凹函数,则称 f 为仿射函数。
02凸优化理论与应用_凸函数
6
下水平集(sublevel set)
定义:集合
C { x dom f | f ( x ) }
称为 f 的 下水平集。
定理:凸函数的任一下水平集均为凸集。 任一下水平集均为凸集的函数不一定为凸函数。
信息与通信工程学院 庄伯金 bjzhuang@
7
函数上半图(epigraph)
定义:集合
epi f {( x , t ) | x dom f , f ( x ) t }
称为函数
f
的上半图。
f
定理:函数
为凸函数当且仅当
f
的上半图为凸集。
信息与通信工程学院 庄伯金 bjzhuang@
8
Jensen不等式
f
为凸函数,则有:
yC
凸函数的透视算子
g ( x , t ) tf ( x / t )
信息与通信工程学院 庄伯金 bjzhuang@
11
共轭函数(conjugate function)
定义:设函数 f : R 定义为
*
n
R
,其共轭函数 f : R
T
*
n
R
,
f ( y ) su p ( y x f ( x )).
n
为真锥,函数 f : R
n
R
称为 K 单调增,若函数 f ( x ) 满足:
x K y f (x) f ( y)
广义凸函数的定义:设K R 均有
m
为真锥,函数 f : R
n
R
m
称为 K 凸,若函数 f ( x ) 满足对 x , y dom f , 0 1
凸优化 极大值定理
凸优化极大值定理1. 介绍凸优化是数学中的一个分支,研究如何在给定约束条件下寻找一个函数的最大值。
极大值定理是凸优化中的基本定理之一,它提供了判断一个函数是否存在极大值的条件。
本文将对凸优化和极大值定理进行详细介绍。
2. 凸优化2.1 定义在数学中,凸函数是一类具有特殊性质的函数。
对于定义在实数集上的函数f(x),如果对于任意的x1和x2以及0≤t≤1,都满足以下条件: f(tx1+(1-t)x2) ≤tf(x1)+(1-t)f(x2) 则称f(x)为凸函数。
2.2 凸优化问题凸优化问题是指在一组约束条件下,寻找一个凸函数的最大值或最小值。
通常形式为:maximize f(x) subject to g_i(x) ≤ 0, for i = 1, …, m h_j(x) = 0, for j = 1, …, p其中f(x)是要最大化(或最小化)的目标函数,g_i(x)≤0表示不等式约束条件,h_j(x)=0表示等式约束条件。
2.3 凸优化问题的解法凸优化问题的解法可以分为两类:直接方法和间接方法。
2.3.1 直接方法直接方法是指通过求解问题的KKT条件(Karush-Kuhn-Tucker条件)来得到最优解。
KKT条件是一组必要条件,包括梯度条件、互补松弛条件和可行性条件。
当目标函数和约束函数均为凸函数时,满足KKT条件的点即为最优解。
2.3.2 间接方法间接方法是指通过转化凸优化问题为对偶问题来求解。
对偶问题通过构造拉格朗日函数,并利用弱对偶性和强对偶性来得到原始问题的最优解。
对偶问题可以通过求解拉格朗日对偶函数的最小值来得到。
2.4 凸优化在实际中的应用凸优化在实际中有广泛的应用,涉及到诸多领域,如机器学习、信号处理、控制系统等。
在机器学习中,凸优化常用于支持向量机(SVM)、逻辑回归等模型的训练过程中。
通过求解凸优化问题,可以得到模型参数的最优值,从而提高模型的预测能力。
在信号处理中,凸优化被广泛应用于图像恢复、信号重构等问题。
- 1、下载文档前请自行甄别文档内容的完整性,平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益,请联系客服反馈,我们会尽快为您处理(人工客服工作时间:9:00-18:30)。
3 3 y( a ) 18a 0, y( a ) 18a 0 8 4 2
3 故 当x a时, y有极小值 4 9 3 极小值为 y a 16 3 当x a时, y有极大值 2 9 3 极大值为 y a 4 同理可求得,当a 0时 3 9 3 y的极大值为 y( a ) a 4 16 3 9 3 y的极小值为 y( a ) a 2 4
)3 (
凸上
) x ( f ) 2x ( f ) x ( f ) x ( f 1 x 2x 1x x
0 ) 2x ( f ) 1x x ( )x ( f ) 1x x ( )x ( f )x 2x ( ) 1x ( f )x 2x (
为写改可式上
x1
x
o
2013-7-11
x2
x
18
y
凹(上凸)
y f ( x)
B
A
o
2013-7-11
x1
x
x2
x
19
(一) 凸性定义:
设函数 f ( x ) : [a , b] R. 如果 x1 , x 2 [a , b], 不等式 f (1 x1 2 x 2 ) 1 f ( x1 ) 2 f ( x 2 ) 对于满足 1 2 1 的任意非负实数1和 2 都成立, 则称 f 在 [a , b] 上为凸( 下凸 )函数. 如果 f (1 x1 2 x 2 ) 1 f ( x1 ) 2 f ( x 2 ) 则称 f 在 [a , b] 上为凹(上凸)函数.
由极限性质, 0, 使在( x0 , x0 ) 中有
f ( x ) 0 x x0
f ( x) 0 f ( x) 0
在( x0 , x0 )内 有 , 在( x0 , x0 )内 有 ,
根据定理 知, f 在 x0 取得极小值. 1
2013-7-11 5
极大值;
2
[证] (1)
若 0, 使在( x0 , x0 )内 f ( x) 0
在( x0 , x0 )内 f ( x) ,
x ( x0 , x0 ) , f ( x) f ( x0 )
又 0, 使在( x0 , x0 )内 f ( x) 0
在( x0 , x0 )内 f ( x) ,
x ( x0 , x0 ) , f ( x ) f ( x0 )
2013-7-11
即,
f 在 x0 取得极小值.
3
(二)极值的第二充分条件 定理2:设函数 f 在点 x0 的某邻域内有一阶
导数, 且 f ( x0 ) 0, 又 f ( x0 ) 存在.
[例1] 求 f ( x ) ( x 1) x 的极值.
3 2
(驻点和不可导点 ) [解]求可疑极值点
f ( x )
3
2 13 5 x 2 x ( x 1) x 3 3 3 x
2
令 f ( x ) 0,
得驻点 x 2
5
2013-7-11
又, x 0为导数不存在的点故有两个 . 极值可疑点:x 0, x 2 . 5
x2 x x x1 f ( x) f ( x1 ) f ( x2 ) x2 x1 x2 x1 2013-7-11
1 , 2 1 , 则有
(2)
23
) x ( f ) 2x ( f ) x ( f ) x ( f 1 x 2x 1x x
x1 , x2 [a, b], 且x1 x2 , x : x1 x x2
有 f ( x ) f ( x1 ) f ( x ) f ( x2 ) x x1 x x2
因为f ( x )在x1与x2都可导, 根据极限的保号 性, 有
f ( x ) f ( x1 ) f ( x ) f ( x2 ) lim lim x x1 x x1 x x1 x x2
设函数 f ( x ) 在闭区间[a , b] 连续, 在 开区间( a , b )可导, 则 f 在 [a , b]为凸(凹) 函数的充分必要条件是: f ( x ) 在 ( a , b ) 内单调) 在区间[a, b]上为凸函数
2013-7-11 25
2013-7-11 11
[例3] 求 f ( x ) ( x 1) x
3
2
1 在 [1, ]的 2
最大、最小值.
1 [解] 由前面的例题知, f ( x )在( 1, )内 2 2 有驻点 x1 , 不可导点 x2 0. 5 2 3 3 f( ) 20 f 经计算得: (0) 0, 5 25
2
得唯一驻点 r1 3
2013-7-11
V0
13
从问题的实际意义知道 S ( r )的最小值 , 必存在.
又
r 0
lim S ( r ) ,
r
lim S ( r )
因此, S ( r )的最小值一定在(0, ) 的内部 达到. 从而, 唯一驻点 r1 3 V0
6
x
f ( x )
( ,0) 0
2 (0, ) 5
2 5
2 ( , ) 5
5x 2 ( 3 ) 3 x
不存在
0
极小值
f ( x)
极大值
0
f (0) 0, 极大值;
2013-7-11
33 20 25 2 33 f( ) 20, 极小值 5 25 7
[例2] 求y x 9(a x) 的极值
(1) 若f ( x0 ) 0, 则 f 在 x0 取得极小值;
(2) 若f ( x0 ) 0, 则 f 在x0 取得极大值.
[证] (1) f ( x0 ) 0,
f ( x0 ) 0
根据二阶导数定义 有 , f ( x ) f ( x ) f ( x0 ) lim lim f ( x0 ) 0 x x0 x x x x0 x x0 2013-7-11 4 0
是最小值点.
V0 h 2 r
r r1
V0 2 3 3 V0 ( ) r V0
14
即 当底半径r与高h相等时,用料最省 . 2013-7-11
[例5] 在直径为d的圆形木中 截取一个具有 , 最大抗弯强度的矩形梁试问应该怎样 . 截取?
[解]设矩形底为b,高为h,
强度为y .由材料力学 知, 具有矩形截面梁 的强度与bh 成正比,
i 1 i 1 n n
的非负
上凸的充分必要条件是: f ( i xi ) i f ( xi )
i 1 i 1 n n
2013-7-11
21
函数 f ( x ) 在 [a , b] 上为下凸的充分 性质2: 必要条件是 : x1 , x 2 [a , b], x1 x 2 , 及 x1 x x 2 , 都有
而在 ( x0 , x0 )内 f ( x ) 0, 则 f 在 x0 取得 极小值; ( 2)若 0, 使在( x0 , x0 )内 f ( x ) 0,
而在 ( x0 , x0 )内 f ( x ) 0, 则 f 在 x0 取得
2013-7-11
3 3
( ) [解] (1)求可疑极值点 驻点和不可导点 ( x) 3 x 2 27(a x)2 求导函数 f 3 3 令 f ( x) 0, 得驻点:x1 a , x2 a 4 2 没有不可导点 . (2)判断驻点是否为极值点
y 6 x 54(a x ) 6(9a 8 x ) 当a 0时,
) 1x x ( ) x 2x ( 1x 2x 于由
设 x1 x2 , 将(2)式两端乘以 x2 x1 ), 有 (
2013-7-11
( x2 x) f ( x1 ) ( x1 x2 ) f ( x) ( x x1 ) f ( x2 ) 0
24
即
(三) 凸性的判定 定理1:( 用一阶导数判定函数的凸性 )
2
1 d 3
h
b
o
.
设比例系数为k则有
2013-7-11
y kbh
2
15
因为 h d b , 所以问题化为
2 2 2
求函数
y b(d b ) (0 b d )
2 2
的最大值. 2 2 求导数得 y d 3b
d 令 y 0, 得唯一驻点 b 3 因为 y 6b 0 d 所以, b 是唯一极大值点 3 也就是最大值点
2013-7-11
16
此时, h
2 d , 所以有 3
d : h : b 3 : 2 :1
这就是说, 把直径三等分, 在 等分点作垂线交圆于一 , 作 点 这点与直径两端点的连 , 即为 线 所求.
2013-7-11 17
2
二、函数的凸性
y
凸(下凸)
B
A
y f ( x)
f ( x ) 0
y
2013-7-11
o
x1
) x ( f ) 2x ( f ) x ( f ) x ( f 1 x 2x 1x x
y f (x )
x
x2
x
22
[证] 必要性
记
假设 f 为下凸 (1)
f (1 x1 2 x2 ) 1 f ( x1 ) 2 f ( x2 ) f [x1 x2 ] f ( x1 ) f ( x2 ) x2 x 设 x x1 x2 x2 x1 x x1 x2 x1 则 (1) 式等价于