- 凸最佳化教程
- 首頁
- 簡介
- 線性規劃
- 範數
- 內積
- 最小值和最大值
- 凸集
- 仿射集
- 凸包
- Caratheodory定理
- 魏爾斯特拉斯定理
- 最近點定理
- 基本分離定理
- 凸錐
- 極錐
- 錐組合
- 多面體集
- 凸集的極點
- 方向
- 凸函式與凹函式
- Jensen不等式
- 可微凸函式
- 全域性最優的充分必要條件
- 擬凸函式與擬凹函式
- 可微擬凸函式
- 嚴格擬凸函式
- 強擬凸函式
- 偽凸函式
- 凸規劃問題
- Fritz-John條件
- Karush-Kuhn-Tucker最優性必要條件
- 凸問題演算法
- 凸最佳化資源
- 凸最佳化 - 快速指南
- 凸最佳化 - 資源
- 凸最佳化 - 討論
凸最佳化 - 凸包
一組點S的凸包是包含S中所有點在其內部或邊界上的最小凸區域的邊界。
或
設$S\subseteq \mathbb{R}^n$,S的凸包,記為$Co\left ( S \right )$,是S的所有凸組合的集合,即$x \in Co\left ( S \right )$當且僅當$x \in \displaystyle\sum\limits_{i=1}^n \lambda_ix_i$,其中$\displaystyle\sum\limits_{1}^n \lambda_i=1$且$\lambda_i \geq 0 \forall x_i \in S$
備註 - 平面上的一組點S的凸包定義了一個凸多邊形,S中位於多邊形邊界上的點定義了多邊形的頂點。
定理 $Co\left ( S \right )= \left \{ x:x=\displaystyle\sum\limits_{i=1}^n \lambda_ix_i,x_i \in S, \displaystyle\sum\limits_{i=1}^n \lambda_i=1,\lambda_i \geq 0 \right \}$ 證明凸包是一個凸集。
證明
設$x_1,x_2 \in Co\left ( S \right )$,則$x_1=\displaystyle\sum\limits_{i=1}^n \lambda_ix_i$且$x_2=\displaystyle\sum\limits_{i=1}^n \lambda_\gamma x_i$,其中$\displaystyle\sum\limits_{i=1}^n \lambda_i=1, \lambda_i\geq 0$且$\displaystyle\sum\limits_{i=1}^n \gamma_i=1,\gamma_i\geq0$
對於$\theta \in \left ( 0,1 \right ),\theta x_1+\left ( 1-\theta \right )x_2=\theta \displaystyle\sum\limits_{i=1}^n \lambda_ix_i+\left ( 1-\theta \right )\displaystyle\sum\limits_{i=1}^n \gamma_ix_i$
$\theta x_1+\left ( 1-\theta \right )x_2=\displaystyle\sum\limits_{i=1}^n \lambda_i \theta x_i+\displaystyle\sum\limits_{i=1}^n \gamma_i\left ( 1-\theta \right )x_i$
$\theta x_1+\left ( 1-\theta \right )x_2=\displaystyle\sum\limits_{i=1}^n\left [ \lambda_i\theta +\gamma_i\left ( 1-\theta \right ) \right ]x_i$
考慮係數,
$\displaystyle\sum\limits_{i=1}^n\left [ \lambda_i\theta +\gamma_i\left ( 1-\theta \right ) \right ]=\theta \displaystyle\sum\limits_{i=1}^n \lambda_i+\left ( 1-\theta \right )\displaystyle\sum\limits_{i=1}^n\gamma_i=\theta +\left ( 1-\theta \right )=1$
因此,$\theta x_1+\left ( 1-\theta \right )x_2 \in Co\left ( S \right )$
因此,凸包是一個凸集。