mendelow模型_proe凸包怎么画

mendelow模型_proe凸包怎么画凸分析中经常见到这些概念,目前这方面的中文资料似乎不太多,决定写篇博客总结一下

凸分析中经常见到这些概念,目前这方面的中文资料似乎不太多,决定写篇博客总结一下。

1. 凸包 convex hull

凸包在文献中比较常见些,也称作凸包络面 convex envelope。凸包一般针对某个集合(函数也可以有凸包,但我看到一些文献将函数的凸包称作凸包络面 convex envelope)。

凸包的定义为:对于某个有限集合 { v 1 , v 2 , … , v n } \{v_1, v_2, \dots, v_n\} {
v1,v2,,vn}
,它的凸包为

conv { v 1 , v 2 , … , v n } = { θ 1 v 1 + θ 2 v 2 + ⋯ + θ n v n ∣ θ i ≥ 0 , ∑ n θ i = 1 , ∀ i } \textbf{conv}\{v_1, v_2, \dots, v_n\}=\{\theta_1v_1+\theta_2v_2+\dots+\theta_nv_n|\theta_i\geq 0, \sum^n \theta_i=1, \forall i\} conv{
v1,v2,,vn}=
{
θ1v1+
θ2v2++θnvnθi0,nθi=1,i}

在学术文献中,符号 conv \textbf{conv} conv 表示凸包。

凸包的几何意义为一个集合内所有元素的凸组合,也等价于包含集合元素的所有凸集的交集。例如,下面的图形中,黑点表示集合的每个元素,图中的蓝线为该集合的凸包
在这里插入图片描述

  • 因为是有限个元素的凸组合,凸包总是有界的

2. 图上方 epigraph

图上方 epigraph 是针对函数的,图上方的几何意义就是指一个函数图形上面的元素集合。函数 f f f 的图上方的标准定义为:

epi   f = { ( x , t ) ∣ t ≥ f ( x ) , x ∈ dom   f } \textbf{epi } f=\{(x,t)|t\geq f(x), x\in \textbf{dom } f\} epi f={(x,t)tf(x),xdom f}

其中,符号 epi \textbf{epi} epi 表示图上方,而 dom \textbf{dom} dom 表示定义域的意思。
在这里插入图片描述

上面的图形中,曲线为函数 f f f,它上面的阴影部分就是它的图上方。关于函数图上方与函数凸性有一个重要性质:

  • 一个函数为凸函数,当且仅当它的图上方为凸集。

还有一个图下方,英文叫做 hypograph。

3. 凸低估计量 convex underestimator

我没查到权威文献中对凸低估计量的定义,但它的涵义是:在定义域 f f f 内每个元素上,都比函数 f f f 小的凸函数。即:

g ( x ) ≤ f ( x )  and g(x) is convex g(x)\leq f(x) \text{ and g(x) is convex} g(x)f(x) and g(x) is convex
因此,凸低估计量可以有很多个,例如:

在这里插入图片描述
上面的图形中,阴影部分为图上方,而图形中的粗实线函数,与下面的虚线函数,都是函数 f ( x ) f(x) f(x) 的低估计量

4. 凸包络面 convex envelope

有时又称为下凸包络面 lower convex envelope。凸包络面与凸包非常像,但我觉得一般分析函数时称为凸包络面,分析集合时称凸包。

一个函数的凸包络面为它的低估计量中最大的,或者为它的图上方的凸包。标准的定义为
g ( x ) = inf ⁡ { t ∣ ( x , t ) ∈ conv   epi   f } g(x)=\inf\{t|(x,t)\in\textbf{conv }\textbf{epi } f\} g(x)=inf{
t(x,t)
conv epi f}

等价为:
g ( x ) = sup ⁡ { g ( x ) ≤ f ( x )  and  g ( x )  is convex } g(x)=\sup\{g(x)\leq f(x) \text{ and $g(x)$ is convex}\} g(x)=sup{
g(x)
f(x) and g(x) is convex}

在上一个图形中,那条粗实线函数就是 f ( x ) f(x) f(x) 的凸包络面(线)12


  1. Convex optimization. Boyd, Stephen, and Lieven Vandenberghe. Cambridge university press, 2004. ↩︎

  2. Keller, André A. “Convex underestimating relaxation techniques for nonconvex polynomial programming problems: computational overview.” Journal of the Mechanical Behavior of Materials 24.3-4 (2015): 129-143. ↩︎

今天的文章mendelow模型_proe凸包怎么画分享到此就结束了,感谢您的阅读。

版权声明:本文内容由互联网用户自发贡献,该文观点仅代表作者本人。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如发现本站有涉嫌侵权/违法违规的内容, 请发送邮件至 举报,一经查实,本站将立刻删除。
如需转载请保留出处:https://bianchenghao.cn/81646.html

(0)
编程小号编程小号

相关推荐

发表回复

您的电子邮箱地址不会被公开。 必填项已用 * 标注