摘要：根据已学习内容，解决现在遇到的问题 1.这是一个凸优化问题吗： https://blog.csdn.net/xmu_jupiter/article/details/47400411 经过一轮推导，对于变量为传感器位置，x,y,z。并不是凸函数 2.需要多少个等式对应多少个未知数 至少达到变量数，越多 阅读全文

摘要：对几个经典方法的整理和比较 手打一下公式 梯度下降法：面向任何函数，收敛速度一阶，有发散可能。梯度下降法考虑函数的一阶梯度（一阶泰勒展开），找到一个合理的迭代方向，但是不能确定步长。 只利用了当前点的切线(一阶梯度）的信息 $x = x_0 - \lambda\nabla{f(x)}$ 牛顿法：面向 阅读全文

摘要：继上文通过视频对经典最优化方法进行学习之后 本文准备进一步通过博客，论文等学习一些经典方法的变体和其它方法 阻尼牛顿法 为了解决牛顿法每次步长无法控制，有时候不能收敛的缺点。所以每次在前进方向进行一次一维搜索，确定结果不会发散 https://www.cnblogs.com/focus ml/p/3 阅读全文

摘要：来源于 上交视频，https://www.bilibili.com/video/av14666879/ 第一章，introduction Formulation f(x): Cost function x: Decision varaible X: Constraint set if x belon 阅读全文