Successive Convex Approximation (SCA)

作者：凱魯嘎吉 - 博客園 http://www.cnblogs.com/kailugaji/

Successive Convex Approximation(連續凸近似，SCA)是一種求解非凸優化問題的處理方法，它將非凸優化問題轉化為一系列凸問題，從而得到原問題的近似解。

1. 非凸優化問題描述

2. SCA求解非凸優化問題

求解非凸問題(1)已經轉化為求解凸優化問題(5)，然后應用凸優化方法[2]進行求解即可。

3. 參考文獻

[1] Di Lorenzo P, Scutari G. Next: In-network nonconvex optimization[J]. IEEE Transactions on Signal and Information Processing over Networks, 2016, 2(2): 120-136.

[2] Boyd S, Vandenberghe L. Convex optimization[M]. Cambridge university press, 2004.

免責聲明！

本站轉載的文章為個人學習借鑒使用，本站對版權不負任何法律責任。如果侵犯了您的隱私權益，請聯系本站郵箱yoyou2525@163.com刪除。

猜您在找 SpringCloudAlibaba入門之Sentinel(SCA) python--opencv之convex hull OpenCV入門之尋找圖像的凸包（convex hull） [LeetCode] Convex Polygon 凸多邊形文獻筆記:Policy Gradient Methods for Reinforcement Learning with Function Approximation 論文筆記：GREEDY FUNCTION APPROXIMATION: A GRADIENT BOOSTING MACHINE 源代碼掃描工具Fortify SCA與FindBugs的簡單對比凸包（Convex Hull）構造算法——Graham掃描法 SCA-CNN: Spatial and Channel-wise Attention in Convolutional Networks for Image Captioning python庫skimage 繪制二值圖像的凸殼（convex hull）