标签：黑盒 结果 复杂度 2017Convex 章中 complexity optimization 一阶 方法

1 介绍一些概念

本专题的总体目标是介绍凸优化中的主要复杂性定理和相应的算法。我们将重点放在凸优化的五个主要结果上，这些结果给出了本文的整体结构：存在具有最优预言复杂度的有效切面方法（第2章），对一阶预言复杂度和曲率之间关系的完整表征。目标函数（第3章），超出欧几里德空间的一阶方法（第4章），非黑盒方法（例如内点方法）相对于最佳黑盒方法（第5章）可以使迭代次数得到二次改进5），最后是一阶方法的噪声鲁棒性（第6章）。表1.1可用作对第2章至第5章中证明的结果以及第6章中某些结果的快速参考（最后一章与机器学习最相关，但结果也更具体一些，使其难以概括）。

2  有限维度的凸优化

割平面简单来说，就是添加约束条件。

这个地方就是切割平面仪派别的各种方法重心法、外椭球法。关注的是需要多少次、时间复杂度多少能够找到离最优解有参数e的集合。

标签：黑盒,结果,复杂度,2017Convex,章中,complexity,optimization,一阶,方法
来源： https://blog.csdn.net/baozhiqiangjava/article/details/110478526

本站声明： 1. iCode9 技术分享网（下文简称本站）提供的所有内容，仅供技术学习、探讨和分享；
2. 关于本站的所有留言、评论、转载及引用，纯属内容发起人的个人观点，与本站观点和立场无关；
3. 关于本站的所有言论和文字，纯属内容发起人的个人观点，与本站观点和立场无关；
4. 本站文章均是网友提供，不完全保证技术分享内容的完整性、准确性、时效性、风险性和版权归属；如您发现该文章侵犯了您的权益，可联系我们第一时间进行删除；
5. 本站为非盈利性的个人网站，所有内容不会用来进行牟利，也不会利用任何形式的广告来间接获益，纯粹是为了广大技术爱好者提供技术内容和技术思想的分享性交流网站。