ปัญหาการเพิ่มประสิทธิภาพแบบเวกเตอร์ในรูปแบบมาตรฐานคือรากฐานของการเขียนโปรแกรมเชิงคณิตศาสตร์สมัยใหม่ มันถูกนิยามโดยฟังก์ชันวัตถุประสงค์ที่เป็นเวกเตอร์ $f_0$ ข้อจำกัดไม่เท่ากันที่เป็นเวกเตอร์ $f_i$ และ เส้นตรง ข้อจำกัดความเท่ากัน โดยการนิยามปัญหานี้บนการตัดกันของโดเมนเหล่านี้ $\mathcal{D} = \bigcap_{i=0}^m \text{dom } f_i$ เราจะรับประกันว่าจุดที่ดีที่สุดในระดับท้องถิ่นจะเป็นจุดที่ดีที่สุดในระดับโลก
1. โครงสร้างทางคณิตศาสตร์ของรูปแบบมาตรฐาน
ปัญหานี้ถูกอธิบายอย่างเป็นทางการว่า:
เซตที่เป็นไปได้ถูกนิยามว่า $\text{dom } F = \{x \in \text{dom } f_0 \mid f_i(x) \le 0, i = 1, \dots, m, h_i(x) = 0, i = 1, \dots, p \}$ ข้อกำหนดสำคัญสำหรับความเวกเตอร์คือข้อจำกัดความเท่ากันต้องเป็นเส้นตรง ($Ax = b$) เนื่องจากความเท่ากันที่ไม่เป็นเส้นตรงมักจะให้ผลลัพธ์เป็นเซตที่ไม่เวกเตอร์
2. การตีความเชิงเรขาคณิตของกราฟที่ใช้ในการแสดงผล
การ ปัญหาแบบกราฟที่ใช้ในการแสดงผล ช่วยให้เราตีความการเพิ่มประสิทธิภาพเชิงเรขาคณิตใน 'พื้นที่กราฟ' $(x, t)$ โดยการนำตัวแปรเสริม $t$ มาใช้ เราจะลดค่า $t$ โดยที่ $(x, t) \in \text{epi } f_0$ ซึ่งแสดงให้เห็นว่าเซตที่เป็นไปได้ เซตย่อยใด ๆ และเซตที่ดีที่สุดมีลักษณะเป็นเวกเตอร์โดยธรรมชาติ
3. ข้อผิดพลาดระหว่างการซ่อนและชัดเจน
ความเข้าใจผิดที่พบบ่อยคือการย้ายข้อจำกัดไปยังวัตถุประสงค์ (ทำให้เป็นแบบซ่อนเร้น) ทำให้ปัญหาง่ายขึ้น อย่างไรก็ตาม การทำให้ข้อจำกัดเป็นแบบซ่อนเร้นไม่ได้ทำให้ปัญหาง่ายขึ้นในการวิเคราะห์หรือแก้ไขเลยแม้ว่าปัญหาที่ได้จะเป็นปัญหาที่ไม่มีข้อจำกัดโดยนัย นี่เป็นกรณีเฉพาะใน โมเดลออราเคิล (กล่องดำ)ที่เราประเมิน $f(x)$ และอนุพันธ์ของมันในราคาที่ไม่ทราบโครงสร้างที่ชัดเจน
4. การประยุกต์ใช้ในโลกแห่งความจริง
- ทฤษฎีพอร์ตโฟลิโอ: ลดความเสี่ยง $\text{var}(c^T x) = x^T \Sigma x$ สำหรับสินทรัพยากร 4 ชนิด (ตัวอย่างเช่น สินทรัพยากร 1 ที่มีผลตอบแทน 12% / ความเบี่ยงเบนมาตรฐาน 20%)
- วิศวกรรม: ข้อจำกัดโครงสร้าง เช่น $y_i = 6(i - 1/3) \frac{F}{E w_i h_i^3} + v_{i+1} + y_{i+1}$
- ความน่าจะเป็น: ข้อจำกัดความเสี่ยงการสูญเสีย $\Phi^{-1}(\beta) \leq 0$