تفاوت میان نسخه‌های «بهینه‌سازی محدب»

خنثی‌سازی ویرایش 18282710 توسط Sepand.schrodinger (بحث)
(خنثی‌سازی ویرایش 18282710 توسط Sepand.schrodinger (بحث))
مسئلهٔ '''بهینه‌سازی محدب''' یا '''بهینه‌سازی کوژ''' {{انگلیسی|Convex Optimization}} به یافتن مقدار کمینهحداقل یک [[تابع کوژمحدب]] (یا بیشینهحداکثر یک [[تابع کاومقعر]]) از بین [[مجموعه محدب|مجموعه‌ای محدب]] گفته می‌شود. مهمترین مزیت این نوع مسائل بهینه‌سازی در این است که نقطه‌ای بهینهٔ محلی همان نقطه بهینهٔ سراسری است و هر الگوریتم بهینه‌سازی که نقطهٔ بهینهٔ محلی را یافت در حقیقت نقطهٔ بهینهٔ سراسری را یافته‌است.
 
== منابع ==
۴۳٬۷۶۷

ویرایش