Convex-optimization-minima-maxima
凸最適化-最小値と最大値
局所最小または最小化
$ \ bar \ {x} \ in \:S $は、$ f \ left(\ bar \ {x} \ right)\ leq f \ left(x \ right)の場合、関数$ f $の局所的な最小値と呼ばれます、\ forall x \ in N_ \ varepsilon \ left(\ bar \ {x} \ right)$ここで$ N_ \ varepsilon \ left(\ bar \ {x} \ right)$は$ \ bar \ {x}の近傍を意味します$、つまり、$ N_ \ varepsilon \ left(\ bar \ {x} \ right)$は、$ \ left \ |を意味します。 x- \ bar \ {x} \ right \ | <\ varepsilon $
ローカルマキシマまたはマキシマイザー
$ \ bar \ {x} \ in \:S $は、$ f \ left(\ bar \ {x} \ right)\ geq f \ left(x \ right)の場合、関数$ f $の局所的最大値と呼ばれます。 、\ forall x \ in N_ \ varepsilon \ left(\ bar \ {x} \ right)$ここで$ N_ \ varepsilon \ left(\ bar \ {x} \ right)$は$ \ bar \ {x}の近傍を意味します$、つまり、$ N_ \ varepsilon \ left(\ bar \ {x} \ right)$は、$ \ left \ |を意味します。 x- \ bar \ {x} \ right \ | <\ varepsilon $
グローバル最小
$ \ bar \ {x} \ in \:S $は、$ f \ left(\ bar \ {x} \ right)\ leq f \ left(x \ right)の場合、関数$ f $のグローバルミニマムと呼ばれます。 、\ forall x \ in S $
グローバル最大値
$ \ bar \ {x} \ in \:S $は、$ f \ left(\ bar \ {x} \ right)\ geq f \ left(x \ right)の場合、関数$ f $のグローバルな最大値と呼ばれます、\ forall x \ in S $
例
- ステップ1 *-$ f \ left(\ bar \ {x} \ right)= \ leftの局所的な最小値と最大値を見つける| x ^ 2-4 \ right | $
ソリューション-
上記の関数のグラフから、ローカル最小値は$ x = \ pm 2 $で発生し、ローカル最大値は$ x = 0 $で発生することが明らかです。
- ステップ2 *-関数$ f \ left(x \ right)= \ left | 4x ^ 3-3x ^ 2 + 7 \ right | $
ソリューション-
上記の関数のグラフから、グローバル最小値が$ x = -1 $で発生することが明らかです。