- 凸最佳化教程
- 首頁
- 介紹
- 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
- 凸問題的演算法
- 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 - 魏爾斯特拉斯定理
設 S 是 $\mathbb{R}^n$ 中一個非空、閉合且有界的集合(也稱為緊集),且 $f:S\rightarrow \mathbb{R} $ 是 S 上的一個連續函式,則問題 min $\left \{ f\left ( x \right ):x \in S \right \}$ 取得其最小值。
證明
由於 S 非空且有界,因此存在下界。
$\alpha =Inf\left \{ f\left ( x \right ):x \in S \right \}$
現在設 $S_j=\left \{ x \in S:\alpha \leq f\left ( x \right ) \leq \alpha +\delta ^j\right \} \forall j=1,2,...$ 且 $\delta \in \left ( 0,1 \right )$
根據下確界的定義,對於每個 j,$S_j$ 都是非空的。
選擇一些 $x_j \in S_j$ 以獲得一個序列 $\left \{ x_j \right \}$,其中 j=1,2,...。
由於 S 有界,因此該序列也有界,並且存在一個收斂子序列 $\left \{ y_j \right \}$,該子序列收斂於 $\hat{x}$。因此,$\hat{x}$ 是一個極限點,並且 S 是閉合的,因此,$\hat{x} \in S$。由於 f 是連續的,因此 $f\left ( y_i \right )\rightarrow f\left ( \hat{x} \right )$。
由於 $\alpha \leq f\left ( y_i \right )\leq \alpha+\delta^k, \alpha=\displaystyle\lim_{k\rightarrow \infty}f\left ( y_i \right )=f\left ( \hat{x} \right )$
因此,$\hat{x}$ 是最小化解。
備註
魏爾斯特拉斯定理成立有兩個重要的必要條件。如下所示:
步驟 1 - 集合 S 應該是一個有界集合。
考慮函式 f\left ( x \right )=x。
它是一個無界集,並且在其定義域的任何點都沒有最小值。
因此,為了獲得最小值,S 應該是有界的。
步驟 2 - 集合 S 應該是一個閉合集合。
考慮定義域為 \left ( 0,1 \right ) 的函式 $f\left ( x \right )=\frac{1}{x}$。
此函式在給定定義域中不是閉合的,並且其最小值也不存在。
因此,為了獲得最小值,S 應該是一個閉合集合。