بهینه‌سازی محدب: تفاوت میان نسخه‌ها

{{ویکی‌سازی}}

مسئلهٔ '''بهینه‌سازی محدب''' یا '''بهینه‌سازی کوژ''' {{انگلیسی|Convex Optimization}} به یافتن مقدار حداقل یک [[تابع محدب]] (یا حداکثر یک [[تابع مقعر]]) از بین [[مجموعه محدب|مجموعه‌ای محدب]] گفته می‌شود. مهمترین مزیت این نوع مسائل بهینه‌سازی در این است که هر نقطهٔ بهینهٔ محلی یک نقطه بهینهٔ سراسری نیز است و هر الگوریتم بهینه‌سازی که یک نقطه بهینهٔ محلی را یافت در حقیقت یک نقطه بهینهٔ سراسری را یافته‌است.

[[مسئله بهینه‌سازی]] شبه محدب، فرم استاندارد زیر را دارد:<ref name=":0">{{یادکرد کتاب|عنوان=Convex Optimization|نام خانوادگی=Boyd|نام=Stephen|ناشر=|سال=|شابک=|مکان=|صفحات=158}}</ref>