凸优化算 大中专理科计算机 (美)博塞卡斯(dimitri p.bertsekas) 著 新华正版
大中专理科计算机 新华书店全新正版书籍 支持7天无理由
￥ 63.25 7.1折 ￥ 89 全新
库存16件
河北保定
认证卖家担保交易快速发货售后保障
作者(美)博塞卡斯(dimitri p.bertsekas) 著
出版社清华大学出版社
ISBN9787302430704
出版时间2016-05
版次1
装帧平装
开本大32开
页数564页
字数623千字
定价89元
货号xhwx_1201304493
上书时间2023-12-23
- 最新上架
商品详情
- 品相描述：全新
- 正版特价新书
- 商品描述
-
主编：
随着大规模资源分配、信号处理、机器学等应用领域的快展，凸优化近来正引起人们益浓厚的兴趣。本书力图给大家较为全面通俗地介绍求解大规模凸优化问题的近期新算。本书几乎囊括了所有主流的凸优化算。包括梯度，次梯度，多面体逼近，邻近和内点等。这些方通常依赖于代价函数和约束条件的凸（而不依赖于其可微），并与对偶有着直接或间接的联系。作者针对具体问题的特定结构，给出了大量的例题，来充分展示算的应用。
目录：
contents
1. convex optimization models: an overview . . . . . . p. 1
1.1. lagrangeduality .......... .......... p.2
1.1.1. separable problems – deition . . . . . . . . . p. 7
1.1.2. partitioning .................... p.9
1.2. fenchel duality and conic programming . . . . . . . . . . p. 10
1.2.1. linearconicproblems . . . . . . . . . . . . . . . p.15
1.2.2. second order cone programming . . . . . . . . . . . p. 17
1.2.3. semide.nite programming . . . . . . . . . . . . . . p. 22
1.3. additivecostproblems . . . . . . . . . . . . . . . . . p.25
1.4. largenumberofconstraints . . . . . . . . . . . . . . . p.34
1.5. exactpenalty functions . . . . . . . . . . . . . . . . p.39
1.6. notes,sources,andexercises . . . . . . . . . . . . . . p.47
2. optimization algorithms: an overview . . . . . . . . p. 53
2.1. iterativedescentalgorithms . . . . . . . . . . . . . . . p.55
2.1.1. di.erentiable cost function descent – unconstrained . . . . problems ..................... p.58
2.1.2. constrained problems – feasible direction methods . . . p. 71
2.1.3. nondi.erentiable problems – subgradient methods . . . p. 78
2.1.4. alternative descent methods . . . . . . . . . . . . . p. 80
2.1.5. incrementalalgorithms . . . . . . . . . . . . . . . p.83
2.1.6. distributed asynchronous iterative algorithms . . . . p. 104
2.2. appromationmethods . . . . . . . . . . . . . . . p.106
2.2.1. polyhedral appromation . . . . . . . . . . . . . p. 107
2.2.2. penalty, augmented lagrangian, and interior . . . . . . . pointmethods .................. p.108
2.2.3. promal algorithm, bundle methods, and . . . . . . . . . tikhonovregularization . . . . . . . . . . . . . . p.110
2.2.4. alternating direction method of multipliers . . . . . p. 111
2.2.5. smoothing of nondi.erentiable problems . . . . . . p. 113
2.3. notes,sources,andexercises . . . . . . . . . . . . . p.119
3. subgradientmethods . . . . . . . . . . . . . . . p.135
3.1. subgradients of convex real-valued functions . . . . . . p. 136
iv
contents
3.1.1. characterization of the subdi.erential . . . . . . . . p. 146
3.2. convergence analysis of subgradient methods . . . . . . p. 148
3.3. .-subgradientmethods ................ p.162
3.3.1. connection with incremental subgradient methods . . p. 166
3.4. notes,sources,andexercises . . . . . . . . . . . . . . p.167
4. polyhedral appromation methods . . . . . . . . . p. 181
4.1. outer linearization – cutting ne methods . . . . . . p. 182
4.2. inner linearization – simpli deition . . . . . . p. 188
4.3. duality of outer and inner linearization . . . . . . . . . p. 194
4.4. generalized polyhedral appromation . . . . . . . . . p. 196
4.5. generalized simpli deition . . . . . . . . . . p. 209
4.5.1. di.erentiablecostcase . . . . . . . . . . . . . . p.213
4.5.2. nondi.erentiable cost and side constraints . . . . . p. 213
4.6. polyhedral appromation for conic programming . . . . p. 217
4.7. notes,sources,andexercises . . . . . . . . . . . . . . p.228
5. promalalgorithms . . . . . . . . . . . . . . . p.233
5.1. basic theory of promal algorithms . . . . . . . . . . p. 234
5.1.1. convergence ................... p.235
5.1.2. rateofconvergence. . . . . . . . . . . . . . . . p.239
5.1.3. gradient interpretation . . . . . . . . . . . . . . p. 246
5.1.4. fixed point interpretation, overrelaxation, . . . . . . . . . andgeneralization ................ p.248
5.2. dualpromalalgorithms . . . . . . . . . . . . . . . p.256
5.2.1. augmented lagrangian methods . . . . . . . . . . p. 259
5.3. promal algorithms with linearization . . . . . . . . . p. 268
5.3.1. promal cutting ne methods . . . . . . . . . . p. 270
5.3.2. bundlemethods ................. p.272
5.3.3. promal inner linearization methods . . . . . . . . p. 276
5.4. alternating direction methods of multipliers . . . . . . . p. 280
5.4.1. applications in machine learning . . . . . . . . . . p. 286
5.4.2. admm applied to separable problems . . . . . . . p. 289
5.5. notes,sources,andexercises . . . . . . . . . . . . . . p.293
6. additional algorithmic topics . . . . . . . . . . . p. 301
6.1. gradientprojectionmethods . . . . . . . . . . . . . . p.302
6.2. gradient projection with extrapolation . . . . . . . . . p. 322
6.2.1. an algorithm with optimal iteration plety . . . p. 323
6.2.2. nondi.erentiable cost – smoothing . . . . . . . . . p. 326
6.3. promalgradientmethods . . . . . . . . . . . . . . p.330
6.4. incremental subgradient promal methods . . . . . . . p. 340
6.4.1. convergence for methods with cyclic order&
— 没有更多了 —
以下为对购买帮助不大的评价