凸优化算法
㈠ admm算法能不能用来解决双凸优化问题
1. 传统优化算法一般是针对结构化的问题，有较为明确的问题和条件描述，如线性规划，二次规划，整数规划，混合规划，带约束和不带约束条件等，即有清晰的结构信息；而智能优化算法一般针对的是较为普适的问题描述，普遍比较缺乏结构信息。
-
㈡ 谁懂利用CVX优化方面的知识，比如简单说一下CVX的凸优化原理，或者提供一些资料，非常感谢，有用再加分
[ book-optimization.rar ] - 这是一本讲解最优化的书籍，是全英文的。这是一部经典的外国教材，对最优化问题阐述的非常之精辟 [ Optimal.rar ] - 几个 凸优化 函数，用于解决非约束和带约束条件的凸优化问题 [ stanford_convex_optimization_book.rar ] - 国外的经典的有关于 凸优化 数学方面的教材，值得研究有关优化方面的研究者学习 [ convex_analysis_foundation.zip ] - 凸分析基础 中文教材。纯粹这方面的资料不多（多为 凸优化 之类），中文的书籍更难找，有用该方面知识的同行多多交流。 [ ConvexOptimization.rar ] - 凸优化 问题经常出现在许多不同的领域。全面介绍了主题，这本书展示了如何解决这些问题都可以高效率地详细数字。其重点是识别凸优化问题，然后找到解决他们最合适的技术。文本包含许多实例和作业练习，并会提出问题，如工程，计算机科学，数学，统计，金融，经济领域的学生，研究者和实践者。 [ cvx .zip ] - 斯坦福大学凸规划的程序，很经典，多次在IEEE的文章中出现 [ convex_optimization.rar ] - 凸优化 程序包，包含各种凸优化算法,可供方便调用. [ signal_decomposition_by_bp.rar ] - 基于基追踪（basis pursuit）对信号进行稀疏表示的算法 [ cvx .zip ] - 凸规划建模系统,包含用户手册，有助于学习压缩感知。 [ grads.rar ] - 最优化理论与算法（第2版）这本书中的课后作业。用C 实现的一些具体算法。
㈢ 怎样将minimax问题转化成凸优化问题
之所以要研究凸优化问题是因为其有一套非常完备的求解算法，如果将某个优化问题确认或者转化为凸优化问题，那么能够快速给出最优解。在MATLAB软件里面有相应的软件包，可以用来学习。也可以利用其他的开源的计算软件，利用现成的软件包来解决凸
㈣ 为什么凸优化满足slater条件
我猜你是想问，为什么满足slater条件（即主问题为凸优化问题），对偶问题等价于原问题（强对偶性）吧？
㈤ 清华大学的凸优化是不是比最优化原理与算法要难
目标优化领域在、最新的研究方向就是将智能优化算法与传统的优化算法相结合。在这个方向上，华人学者张青富提出的MOEA/D是典型代表，该算法的核心思想是将多目标优化问题通过权重向量转化为多个单目标优化问题，并同时求解。沿着这个思路，我想寻找创新点。
工欲善其事必先利其器，为了打基础，我需要
㈥ 凸优化算法与凸松弛算法有什么关系
优化算法主要是根据大的电力系统的无功潮流分析，在什么位置安装多大的无功补偿装置是最合理的，可以使系统中无功潮流最小。电压无功的控制策略就是如何控制能满足，电压和无功都满足系统要求。最常用的就是九区图分析法。
㈦ 凸分析，凸优化有什么推荐的教材吗
如果不读博士做理论研究，好像基本上也不需要凸分析了；学术圈子里认真待个两三年，主动去了解这个领域，这些大师的名字会反复出现在论文和参考文献里，读读他们的专着就很有必要了...当然还有很多大牛，他们只写论文，没空写专着的，这时候就应该好好读论文了..
《凸分析》和《凸优化》啊。
R. T. Rockafellar. Convex Analysis. Princeton, 1970.
S. Boyd and L. Vandenberghe. Convex Optimization. Cambridge, 2004.
关于优化领域大师里面还有一位华人学者 Paul Tseng（可惜）
补充几本个人粗略摸过的的书吧：
Dimitri P. Bertsekas. Convex Analysis and Optimization(Convex Optimization Algorithms).
㈧ 径向基函数是把问题转化为凸优化问题吗
简单的说，优化问题中，目标函数为凸函数，约束变量取值于一个凸集中的优化问题称为凸优化，举个简单例子，设S为凸集，f(x)为S上凸函数，则问题min f(x) s.t. x属于S为一个凸优化。
设S为n维空间中的一个点集，X1、X2为S中的任两点。若对于任给的t，0<=t<=1，点X=tX1+(1-t)X2也属于S，则称S为n维空间中的一个凸集。组合tX1+(1-t)X2称为X1和X2的凸组合。简单的说，若两点在一个点集中，那么连接这两点的线段上所有点也在这个点集中，这样的点集就称为凸集。