數值優化(Numerical Optimization)學習系列-文件夾
概述
數值優化對於最優化問題提供了一種叠代算法思路,通過叠代逐漸接近最優解,分別對無約束最優化問題和帶約束最優化問題進行求解。
該系列教程能夠參考的資料有
1. 《Numerical Optimization 2nd》–Jorge Nocedal Stephen J. Wright
2. 《凸優化》–Stephen Boyd
3. 《非線性最優化基礎》–Masao Fukushima(林貴華譯)
4. 《非線性最優化理論與方法》–王宜舉
5. 凸優化在線課程
學習鏈接
- 最優化問題概述
*介紹最優化問題分類以及求解思路 - 線搜索方法
*基於線搜索方法,包含最速下降、牛頓方法以及步長計算等 - 信賴域方法
*介紹信賴域求解最優化問題的思路 - 共軛梯度方法
*介紹共軛方法的思路 - 擬牛頓方法
*介紹擬牛頓方法,用一階梯度近似Hessian矩陣方法 - 大規模無約束最優化方法
*大規模無約束問題,LBFGS等 - 梯度計算
*復雜函數梯度近似方法 - 無梯度最優化方法
*不計算梯度情況下。怎樣進行最優化 - 最小二乘問題
*最優化方法應用,求解最小二乘問題 - 非線性方程
*最優化方法應用,求解非線性方程問題 - 有約束最優化問題
*介紹等式、非等式約束最優化問題以及最優化條件。包含KKT條件、對偶等 - 線性規劃問題
*線性規劃常見求解算法 - 非線性約束最優化問題
*介紹非線性約束的最優化問題求解思路 - 二次規劃問題
*目標函數是二次函數的特殊最優化問題,是SQP、內點等方法的基礎 - 懲處和增廣拉格朗日方法
*求解帶約束最優化問題經常用法 - 序列二次規劃和內點法
*SQP和IP方法對於求解大規模約束最優化問題提供方案
說明
該系列文章是個人學習總結。因為非數學專業和時間關系。可能會有錯誤和紕漏,歡迎大家批評指正。
另外文章每一行都是個人一字一字敲進去的,轉載請註明出處。謝謝。
數值優化(Numerical Optimization)學習系列-文件夾