0
Skip to content
Bowen Blog
搜索文章
K
Main Navigation
首页
路线图
博客
归档
清单
标签
分类
论文
归档
清单
标签
分类
仓库
Mooncake
vLLM
技术栈
Python
Git
Linux
MongoDB
Redis
Web 爬虫与逆向
NumPy
Pandas
Matplotlib
知识星球
算法分析与设计
凸优化
CS336
AI Infra
AI Agent
金融学
马克思主义
列宁主义
毛泽东思想
乐理
和声
曲式
配器
复调
恋爱心理学
沈奕斐的社会学爱情思维课
Appearance
Menu
Return to top
On this page
/
知识星球
/
凸优化
/
内点法
/
2021-11-07
388
1.6m
内点法
本章目录
不等式约束极小化问题
对数障碍函数与中心路径
障碍方法
可行性与阶段 I 方法
基于自和谐的复杂度分析
广义不等式问题
本章涉及到的数学符号
符号
含义
ϕ
对数障碍函数
−
∑
i
=
1
m
log
(
−
f
i
(
x
)
)
x
⋆
(
t
)
中心路径上的中心点(
t
f
0
+
ϕ
在
A
x
=
b
下的极小点)
λ
⋆
(
t
)
,
ν
⋆
(
t
)
中心点
x
⋆
(
t
)
对应的对偶可行点
m
/
t
中心点的对偶间隙(标量不等式情形)
μ
障碍方法中
t
每次外层迭代的更新因子(
μ
>
1
)
t
(
0
)
参数
t
的初始值
I
^
−
(
u
)
=
−
(
1
/
t
)
log
(
−
u
)
示性函数
I
−
的对数障碍近似
I
−
非正实数的示性函数
θ
广义对数的次数(各锥次数之和)
ψ
正常锥的广义对数(
ψ
¯
为对偶对数)
⪯
K
,
≻
K
∗
由正常锥
K
导出的广义不等式(对偶锥广义不等式)
p
¯
⋆
阶段 I 问题的最优值
F
,
G
,
R
最大约束违反量 / 梯度范数上界 / 可行集半径先验上界
γ
,
c
Newton 复杂度界中的常数(只依赖回溯参数与终止容许误差)
最近更新
01
博客
2026-09-29 09:53:59
02
深度学习中的矩阵求导基础
2026-09-18 00:00:00
03
大众学术:学术的第三范式
2026-09-14 00:00:00
更多文章 >