Ottimizzazione Convessa

Un corso e un testo universitario completo a livello avanzato che copre la teoria, le applicazioni e gli algoritmi numerici dell'ottimizzazione convessa. Si concentra sulla capacità di riconoscere e formulare problemi convessi nell'ingegneria e nelle scienze.

Padroneggia la base matematica e gli algoritmi pratici dell'ottimizzazione convessa per l'ingegneria e la scienza dei dati.

Autore: Stephen Boyd, Lieven Vandenberghe

Ringraziamenti: Supportato in parte dal NSF, e grazie ai contributi degli studenti e colleghi di Stanford e UCLA, con particolare menzione ad Arkadi Nemirovski e Kishan Baheti.

1. Definire i componenti di un problema di ottimizzazione matematica, inclusa la funzione obiettivo, i vincoli e le variabili.
2. Distinguere tra problemi di minimi quadrati, programmazione lineare e ottimizzazione convessa in base alle loro proprietà matematiche.
3. Confrontare strategie di ottimizzazione locale e globale e valutare la complessità computazionale associata a ciascuna.
4. Definire e distinguere insiemi affini, insiemi convessi e coni utilizzando notazioni formali di combinazione.
5. Identificare e rappresentare insiemi convessi standard come sfere euclidee, ellissoidi, poliedri e il cono semidefinito positivo.
6. Applicare operazioni che preservano la convessità, come intersezione, trasformazioni affini e funzioni prospettiche, per verificare le proprietà degli insiemi.
7. Identificare e applicare operazioni che preservano la convessità, incluse la suprema puntiforme di funzioni affini e le regole di composizione vettoriale.
8. Derivare il coniugato di Lagrange di diverse funzioni e applicare la disuguaglianza di Young.
9. Caratterizzare la quasiconvessità utilizzando insiemi di sottolivello e condizioni differenziali del primo e secondo ordine.
10. Formulare e Trasformare: Convertire problemi di ottimizzazione grezzi in forme convessi standard utilizzando variabili ausiliarie e eliminazione di vincoli.